O número conta quantos; o comentário conta por quê. Análise qualitativa e quantitativa juntas evitam dirigir com um olho fechado. No Supermercado Farol A nota da loja principal do Supermercado Farol, rede com cinco lojas, caiu 0,3 num mês. O número era claro, consistente e mudo: dizia que caiu, não dizia por quê. A reunião virou campeonato de palpite: o encarte fraco? o açougue? o calor? Cada palpite com um torcedor, nenhum com evidência. Dona Ivone, a fundadora, encerrou o campeonato com uma caixa de marca-textos. Ela e Caio, o gerente, imprimiram os 200 comentários do mês e leram um por um: verde para elogio, laranja para reclamação, uma palavra de categoria na margem. Na metade da pilha, o padrão já gritava: "padaria vazia à noite" e "só dois caixas abertos" apareciam em uma a cada quatro reclamações. Ninguém na sala tinha palpitado nem de longe naquilo. Análise qualitativa e quantitativa: dois modos de conhecer Toda pesquisa responde a duas famílias de pergunta: Quantitativa (quanti): quantos? quanto? com que frequência? Respostas em números, coletadas de muitos casos, comparáveis e agregáveis. É o território das notas, escalas e porcentagens. Qualitativa (quali): por quê? como? o que significa? Respostas em palavras, histórias e observações, coletadas em profundidade. No mundo do ponto de venda, sua forma mais comum é humilde: o campo de comentário livre do totem. O erro clássico do mercado é tratá-las como rivais: "dados duros" contra "opinião solta". A metodologia científica moderna as trata como fases complementares do mesmo ciclo: a quali gera hipóteses e explica mecanismos; a quanti testa hipóteses e mede magnitudes. Uma sem a outra fica cega de um jeito diferente. O que só o número faz Vale reafirmar a força da quanti antes de defender a quali: Por isso a espinha dorsal de qualquer programa contínuo de escuta é quantitativa. Mas ela tem três pontos cegos estruturais, e são exatamente os pontos fortes da quali. Ponto cego 1: o número não contém o porquê "A satisfação com o atendimento caiu de 4,3 para 3,8." Certo. E agora? Contratar mais gente? Treinar? Trocar a escala? O número aponta o incêndio, mas não diz o que está queimando. Um comentário diz: "a moça do caixa foi super atenciosa, mas fiquei 20 minutos na fila porque só havia um caixa aberto no horário do almoço." Uma frase, e o diagnóstico saltou de "atendimento ruim" (vago, injusto com a equipe) para "dimensionamento de caixas no pico" (específico, acionável, com dono). É a diferença entre saber que e saber por quê. Prática recomendada: nota sem comentário é semáforo sem mapa. A dupla fechada + aberta condicional existe para colher o porquê no momento em que ele está fresco. Ponto cego 2: o número só responde o que foi perguntado Um questionário quantitativo é um menu fechado: mede limpeza, espera, cordialidade… e é cego para tudo que não previu. Se o problema novo é "o QR code do cardápio não funciona", nenhuma das suas escalas vai captá-lo — ele não tem pergunta. O comentário aberto é o radar do inesperado: a única antena apontada para o desconhecido. Na literatura de desenvolvimento de produto isso tem tradição formal: o método "voz do cliente" (Voice of the Customer – VoC) de Griffin e Hauser mostrou que entrevistas e relatos em profundidade com clientes revelam necessidades que os instrumentos fechados não capturam, e que um número relativamente pequeno de conversas já revela a maioria das necessidades de um segmento. Prática recomendada: monitore os comentários procurando categorias que ainda não têm pergunta. Quando um tema novo se repete, ele se formou: merece virar pergunta fechada no fluxo (e aí a quanti assume a medição). Esse é o ciclo virtuoso: a quali descobre, a quanti dimensiona. Ponto cego 3: o número não carrega emoção nem linguagem "Insatisfeito: 23%" é informação. "Levei minha mãe de 80 anos para almoçar no aniversário dela e não havia uma única mesa acessível" é informação com temperatura, e temperatura move decisão (sem emoção, decisão trava). Além da emoção, o comentário entrega a linguagem do cliente: as palavras que ele usa para descrever o problema. Isso vale ouro duas vezes: para escrever perguntas melhores (é dos comentários que se aprende a língua do respondente) e para o storytelling com dados (uma citação verbatim bem escolhida vale um slide inteiro). Como analisar comentários sem virar refém deles A quali tem seus próprios rigores; sem eles, vira coleção de anedotas: 1. Codifique, não folheie. Análise séria de comentários é categorização sistemática: ler e etiquetar cada comentário em temas (as cinco dimensões da qualidade de serviço são um esquema inicial pronto), depois contar as etiquetas. A técnica formal se chama análise de conteúdo, e seu produto final é quantitativo: "31% dos comentários negativos citam espera". Quali e quanti se encontram aqui. 2. Cuidado com quem comenta. Comentário é opcional e custa esforço: quem comenta é amostra auto selecionada, tipicamente os extremos. Comentários dizem quais problemas existem, com riqueza; a proporção de cada problema se confirma na quanti. "Os comentários estão cheios de reclamação de fila" + "a nota de espera caiu" = evidência forte. Só a primeira metade = hipótese. 3. O verbatim ilustra, a contagem sustenta. No relatório, a citação individual dá rosto ao padrão, mas nunca o substitui. A história se ajusta aos dados, nunca o contrário. 4. Volume não se lê no braço, mas a curadoria continua humana. Ferramentas de análise de texto (hoje turbinadas por IA) classificam milhares de comentários em minutos. Úteis, desde que alguém audite as categorias por amostragem: classificador que ninguém confere é caixa-preta gerando confiança injustificada. De volta ao Farol No Farol, o número e o texto fecharam o caso juntos, cada um no seu ofício: a quanti dizia quantos (queda de 0,3, concentrada depois das 18h) e a quali dizia por quê (a última fornada da padaria saía às 17h, e a escala dos caixas não acompanhava o pico da saída do trabalho). Fornada extra às 19h, caixa reforçado no fim de dia, e a nota
Banco de 50 perguntas de satisfação: material de referência
Um banco de perguntas de satisfação é um catálogo curado, não um questionário. Escolha poucas, escolha bem. Na Academia Ritmo Às 23h11, Fábio, dono da Academia Ritmo, rede de academias com três unidades, mandou para Mari, a consultora que atende a conta, o anexo de que estava visivelmente orgulhoso: "Pesquisa nova da unidade do bairro Alto. Fiz do zero, ficou enxuta!". Nove perguntas, criadas naquela noite, na inspiração. Mari leu na manhã seguinte com o café e o catálogo aberto do lado. Das nove, sete tropeçavam em defeitos já catalogados com nome e sobrenome: uma dupla ("estrutura e atendimento"), duas induzidas ("você concorda que…"), uma escala assimétrica, duas genéricas demais para gerar conserto, e uma pedindo CPF sem finalidade. As duas restantes eram boas… e já existiam, melhor redigidas e testadas por meses, no banco de perguntas. A resposta dela coube numa linha: "Você reinventou a roda, e ela saiu quadrada em sete lugares. Vem cá que eu te mostro a prateleira." Como usar este banco de perguntas de satisfação (leia antes de copiar) Este artigo é diferente dos demais da série: é um catálogo de consulta para apoiar quem está montando ou revisando um questionário de satisfação. Use as perguntas como referência, não como um manual imutável e inegociável. A ideia é cobrir a maioria dos casos, mas nenhuma listagem simples trata a totalidade deles. Três avisos inegociáveis: Formato sugerido entre colchetes: [E] escala de satisfação/concordância · [0-10] NPS · [S/N] binária · [M] múltipla escolha/caixas · [A] aberta. A. As três âncoras (métricas centrais) B. Confiabilidade: o prometido foi cumprido C. Presteza: agilidade e disposição D. Segurança: competência e confiança E. Empatia: atenção individual F. Tangíveis: ambiente e estrutura G. Produto (varejo e alimentação) H. Esforço: fluxos de resolução (CES) I. Contexto e segmentação (usar com parcimônia; atenção à LGPD) J. Intenção e relação K. Abertas: as que descobrem o que não sabemos perguntar Três montagens de exemplo (para roubar) Fluxo varejo, 20 segundos: 1 → 3 (condicional se nota baixa, em formato M com as dimensões B–F como opções) → 24 → 47 (opcional). Fluxo alimentação, 25 segundos: 1 → 32 → 9 → 3 (M condicional) → 49 (opcional). Fluxo pós-resolução de problema, 15 segundos: 34 → 36 → 47 (opcional). Repare no padrão: uma âncora, uma ou duas específicas da decisão do momento, um diagnóstico condicional, uma aberta opcional. É o funil de perguntas em ação: do geral ao específico, do barato ao caro. De volta à Ritmo Na Ritmo, a pesquisa do bairro Alto foi remontada em vinte minutos: não escrita, escolhida. Três âncoras do catálogo, duas perguntas da dimensão que a unidade precisava vigiar (limpeza do vestiário, a dor clássica de academia), uma aberta no fim. Cada pergunta com histórico, redação testada e, de brinde, comparabilidade com as outras unidades. Fábio, convertido, virou o maior fiscal da prateleira: "pergunta nova só quando o banco não tem, e aí ela entra no banco depois de testada". A energia das 23h dele continuou existindo; só mudou de alvo: em vez de redigir perguntas na inspiração, passou a caçar decisões que estavam sem pergunta para alimentá-las. O resumo de uma frase (teste Feynman) "Um banco de perguntas é como uma farmácia: o valor não está em tomar tudo, está em saber exatamente qual remédio o caso pede." Fontes e leituras recomendadas As perguntas foram formuladas segundo as diretrizes metodológicas já referenciadas na série: BRADBURN, Norman; SUDMAN, Seymour; WANSINK, Brian. Asking Questions: The Definitive Guide to Questionnaire Design. Jossey-Bass, 2004. PARASURAMAN, A.; ZEITHAML, Valarie A.; BERRY, Leonard L. "SERVQUAL". Journal of Retailing, v. 64, 1988. (Estrutura dimensional das seções B–F.) DIXON, Matthew; FREEMAN, Karen; TOMAN, Nicholas. "Stop Trying to Delight Your Customers". Harvard Business Review, jul.–ago. 2010. (Seção H.) REICHHELD, Frederick F. "The One Number You Need to Grow". Harvard Business Review, dez. 2003. (Pergunta 2.) ICC/ESOMAR. Código Internacional (voluntariedade e minimização de dados — seção I).
As cinco dimensões da qualidade de serviço: o mapa de onde a experiência nasce
"Atendimento bom" não existe: existem cinco dimensões da qualidade de serviço que os clientes julgam ao mesmo tempo. Na Casa Camélia O comentário chegou pelo totem da Casa Camélia, rede de restaurantes de Curitiba, seco como um SMS: "atendimento ruim". Nota 3. Marcos, o gerente, levou o caso para a reunião rápida da equipe, e a defesa foi imediata e unânime, cada um defendendo uma coisa diferente. "Fomos rápidos o dia inteiro", disse a líder de salão. "Fui atencioso com todas as mesas", disse o garçom veterano. "Ninguém errou pedido", disse o caixa. Todos tinham razão, e a régua de cada um media um atendimento diferente: velocidade, simpatia, precisão. "Atendimento", sozinho, era um guarda-chuva grande demais para caber num diagnóstico. Sobrou para Marcos a pergunta que ele levou para a regional: — Quando o cliente diz "atendimento ruim"… ele está falando de quê, exatamente? O problema de medir o invisível Medir a qualidade de um produto é relativamente fácil: o parafuso tem a rosca certa ou não tem. Mas e a qualidade de um serviço? Um almoço, uma consulta, uma compra no varejo não podem ser postos numa bancada de testes: o serviço é produzido e consumido no mesmo instante, e a "peça" avaliada é uma experiência. Nos anos 1980, três pesquisadores de marketing (A. Parasuraman, Valarie Zeithaml e Leonard Berry) atacaram esse problema com método científico de manual: entrevistaram consumidores e executivos de vários setores de serviço, perguntando o que, exatamente, as pessoas julgam quando julgam um serviço. Do material qualitativo emergiu um modelo; o modelo virou um instrumento de medição (o SERVQUAL, publicado em 1988 no Journal of Retailing); e o instrumento foi refinado até restarem cinco dimensões que se repetem em praticamente qualquer serviço, de banco a restaurante. Quase quarenta anos depois, é um dos frameworks mais citados de toda a literatura de marketing. E é extraordinariamente útil, porque transforma o "atendimento bom" genérico num mapa de cinco territórios mensuráveis. As cinco dimensões (com o teste do restaurante) Para memorizar, o acrônimo em inglês é RATER. Vamos a elas, testando cada uma no mesmo restaurante: 1. Confiabilidade (Reliability): cumprir o prometidoEntregar o que foi prometido, certo, na primeira vez. O prato que veio como descrito no cardápio, a reserva que estava valendo, a conta sem erro. Nas pesquisas dos autores, é consistentemente a dimensão mais importante para os clientes. Ninguém perdoa a promessa quebrada, e nenhuma simpatia compensa o pedido errado duas vezes. 2. Segurança (Assurance): competência que inspira confiançaO cliente sente que está em boas mãos: conhecimento, cortesia, credibilidade. O sommelier que sabe o que recomenda, o caixa que resolve sem chamar três supervisores. Em serviços de risco percebido (saúde, financeiro), esta dimensão explode de importância. Vale um parêntese: aqui, segurança está no sentido de garantia, de estar em boas mãos. 3. Tangíveis (Tangibles): o que os olhos avaliamInstalações, limpeza, equipamento, aparência da equipe. O banheiro do restaurante como "amostra grátis" da cozinha. É a dimensão mais visível, e por isso a proxy que o cliente usa para julgar o que não consegue ver. 4. Empatia (Empathy): atenção individualSer tratado como pessoa, não como senha. Lembrarem da sua mesa preferida, adaptarem o prato à alergia, o atendente que olha nos olhos. É a dimensão que transforma serviço correto em relação. 5. Presteza (Responsiveness): vontade de ajudar, sem demoraRapidez e disposição visível. O garçom que percebe o copo vazio, a fila que anda, o problema resolvido sem "vou ver o que posso fazer" eterno. Note a nuance: não é só velocidade; é a vontade percebida de servir. A ideia mais poderosa do modelo: qualidade é uma subtração O achado conceitual central de Parasuraman, Zeithaml e Berry não são as dimensões, e sim a fórmula por trás delas: Qualidade percebida = desempenho percebido − expectativa O cliente não avalia o serviço em absoluto; avalia contra o que esperava. O mesmo tempo de espera de 10 minutos é ótimo na churrascaria lotada de domingo e inaceitável no fast-food vazio de terça. Duas consequências práticas enormes: O modelo completo dos autores mapeia as "lacunas" (gaps) onde a qualidade se perde: entre o que o cliente espera e o que a gestão acha que ele espera (gap 1), entre o que a gestão entende e o que se especifica (gap 2), entre o que se especifica e o que se entrega (gap 3), e entre o que se entrega e o que se promete na comunicação (gap 4); a soma de todas aparece na diferença entre o esperado e o percebido pelo cliente (gap 5). Vale conhecer: muita nota baixa nasce menos na operação do que na distância entre o que o gestor acha que o cliente valoriza e o que o cliente valoriza de fato. É exatamente a distância que pesquisa bem feita fecha. Do modelo para o ponto de venda: como aplicar isso O SERVQUAL original é um questionário longo (22 itens, dois blocos), inviável no ponto de venda. E o modelo, apesar de citadíssimo, não passou ileso pelos quarenta anos seguintes. Duas críticas resistiram: medir qualidade por escore de diferença (desempenho menos expectativa) é estatisticamente frágil, porque a subtração herda o erro das duas medidas e sai menos confiável do que qualquer uma delas sozinha; e as cinco dimensões, tão limpas no artigo original, raramente se reproduzem intactas quando outros pesquisadores refazem a análise em outros setores, às vezes colapsando em três, às vezes em duas. Foi dessa crítica que nasceu o SERVPERF (Cronin e Taylor, 1992), que mede só desempenho, dispensa o bloco de expectativas e, na evidência dos autores, explica a qualidade percebida tão bem ou melhor. Nada disso derruba o modelo; situa o que ele é. Como mapa do que perguntar, o SERVQUAL é excelente e envelheceu bem; como régua de quanto medir, é um instrumento entre outros, com limites conhecidos (a diferença entre a régua apontar para o alvo certo e a régua ser firme é assunto de validade e confiabilidade de instrumentos de medição — um tema à parte). Na prática, o
O cardápio de perguntas: os tipos que existem e quando usar cada um
Todo um dos tipos de pergunta de pesquisa cobra um preço em atenção: saiba o que você está comprando com ele. No Restaurante Farol O totem novo na saída do Restaurante Farol, rede com cinco lojas, estreou ambicioso: logo depois da nota, três perguntas abertas em sequência: "o que mais gostou?", "o que podemos melhorar?", "deixe sua sugestão". Caio, o gerente da loja principal, queria riqueza; o desenho prometia. O painel da primeira quinzena contou outra história: seis em cada dez clientes abandonavam na segunda pergunta aberta. Bolsa numa mão, filho na outra, fila atrás: as respostas que sobravam eram "tudo ótimo", "nada", "ok". Teclado de pressa, polegar cansado. Mari, consultora de pesquisa de satisfação, resumiu o diagnóstico diante do funil de abandono: — Cada pergunta custa segundos da atenção de quem responde, e o orçamento na saída de um mercado é de meio minuto, com sorte. Você montou um cardápio só de prato caro. Antes do cardápio, a conta Um bom questionário depende de saber redigir uma boa pergunta, mas depende tanto quanto de escolher o tipo certo, porque cada formato de pergunta é uma ferramenta com custo e benefício próprios. O custo se paga sempre do mesmo jeito: com a atenção do respondente. E no mundo do ponto de venda (cliente em pé, no caminho da saída, celular no bolso vibrando), o orçamento é de segundos. A regra que organiza tudo: quanto mais rica a resposta que o formato promete, mais atenção ele cobra. O ofício está em montar o cardápio que extrai o máximo de informação dentro do orçamento. Vale parar um parágrafo nesse custo, porque ele é fácil de subestimar. A atenção do respondente se parece com dinheiro em três pontos e difere em um quarto ponto. Como dinheiro, é finita: o que uma pergunta gasta falta para a seguinte. Como dinheiro, é cobrada na hora, use você a resposta ou não: a pergunta cujo relatório ninguém abre custa o mesmo que a pergunta que muda uma decisão, só que sem devolver nada. E, como dinheiro, tem dono: o orçamento é do cliente, que empresta por cortesia, sem dever nada e sem prometer a próxima parcela. A diferença é que esse orçamento não se repõe sozinho; ele encolhe com o mau uso. Quem abandonou um questionário comprido hoje aprende a não começar o de amanhã. A literatura chama isso de fadiga de pesquisa; na prática, é queima de base: o questionário ganancioso não encarece só a coleta desta semana, encarece todas as próximas. É com essa conta na cabeça que se lê o cardápio a seguir, do mais barato ao mais caro. Tipos de pergunta de pesquisa econômicos (1 toque, 1 segundo) 1. Escolha binária (sim/não)"Você encontrou o que procurava?" A pergunta mais barata que existe, e subestimada. Perfeita para fatos objetivos e triagem: um "não" pode disparar uma pergunta seguinte ("o que faltou?"). Limite óbvio: zero nuance. 2. Escala visual (carinhas, estrelas, corações)A avaliação de 3 ou 5 pontos em linguagem universal: atravessa idioma, idade e escolaridade, por isso é a rainha do ponto de venda. Pelo mesmo preço da binária (um toque), compra um degrau de nuance. Toda a ciência da escala Likert se aplica: simetria, ordem consistente, um item por tela. 3. Avaliação numérica (0–10, 1–5)A base do NPS e do CSAT. Barata, mas com pegadinha cultural: sem rótulos, cada pessoa inventa sua régua (para muita gente, "7 está ótimo"; para o NPS, 7 é neutro). Rotule as âncoras no mínimo. 4. Escala Likert (concordância)"O ambiente estava limpo: concordo/discordo." Mede atitudes e percepções específicas com custo baixo. Os intermediários (alguns segundos, mais riqueza) 5. Múltipla escolha (uma resposta)"Como você conheceu a loja?" Rápida e tabulável, mas repare onde está o preço: não no toque, e sim na lista. O cliente paga uma leitura por opção antes de escolher, então cada alternativa a mais é um item a mais na conta. Dois cuidados: opções mutuamente exclusivas e completas (com "outro" como válvula), e atenção ao viés de ordem: em telas, as pessoas tendem a favorecer as primeiras opções da lista (efeito de primazia, documentado por Krosnick). Quando a ordem não tem lógica natural, rotacione. 6. Caixas de seleção (múltiplas respostas)"O que motivou sua nota? (marque todos)" É o formato ideal para a pergunta-diagnóstico logo após uma avaliação negativa. Mais rica que a escolha única, um pouco mais cara em atenção. Limite prático no totem: até 6 opções visíveis sem rolagem. 7. Ranking (ordenar preferências)"Ordene do mais ao menos importante: preço, atendimento, variedade…" Informação valiosa (força trade-off, coisa que escala não faz: na escala, tudo pode ser "muito importante"). Mas é dos formatos mais caros cognitivamente: ordenar 6 itens exige 15 comparações mentais. Em autoatendimento rápido, use raramente e com poucos itens; em pesquisas mais profundas de mercado, é onde formatos avançados (como MaxDiff) entram. 8. Matriz (grade de itens × escala)Várias afirmações avaliadas na mesma escala, em tabela. É o formato que mais engana na etiqueta: parece uma pergunta só, mas cobra por linha. Eficiente no papel e no desktop; no celular e no totem é armadilha: favorece straightlining (marcar tudo igual para acabar) e abandono. Prática recomendada: desmembrar a matriz em telas de um item. Mesmo conteúdo, custo por gole. Os premium (custam caro, pagam diferente) 9. Pergunta aberta (texto livre)"O que podemos melhorar?" O formato mais rico que existe: captura o que você não sabia perguntar, a categoria de problema que nenhuma múltipla escolha previu. E o mais caro: digitar exige tempo e disposição, então a taxa de resposta despenca e quem responde é um recorte enviesado (os mais motivados). Uso profissional: sempre opcional, sempre depois das fechadas, e uma só. A dupla de ouro do diagnóstico é fechada + aberta: a nota diz quanto, o comentário diz por quê. 10. Campos de dado (e-mail, telefone, idade)Tecnicamente perguntas, na prática um contrato: o cliente entrega identificação. Custo altíssimo em confiança: cada campo desses reduz respostas e aciona deveres legais (LGPD: minimização e finalidade). Só peça o que tem uso definido, sempre
CSAT, CES e NPS: qual métrica usar quando
CSAT CES NPS: três siglas, três perguntas diferentes, e a mania de pedir que uma só faça o trabalho das três. Na Vetor Sistemas A reunião de métricas da Vetor Sistemas, empresa de software de gestão B2B, tinha três números na TV e uma discussão emperrada. Rodrigo, diretor comercial, defendia a nota de recomendação: "o que importa é o cliente nos indicar". Camila, de customer success, queria a satisfação com a implantação: "é ali que o cliente decide se confia". E o coordenador de suporte pedia misericórdia: "escolham uma nota só, não dá para acompanhar três". Mari Ferreira, consultora de pesquisa de satisfação, deixou a disputa correr um pouco antes de entrar: — Vocês estão escolhendo entre termômetro, fita métrica e bússola. São três instrumentos. Qual é a pergunta que vocês querem responder? Porque cada um responde uma diferente, e nenhum responde as três. Termômetro, balança e fita métrica Um médico não escolhe entre termômetro e balança: usa cada um para medir o que mede. As três grandes métricas de experiência do cliente funcionam igual: CSAT, CES e NPS não competem; respondem perguntas diferentes. A confusão entre elas (comum até em gente experiente do mercado) produz metas erradas, comparações sem sentido e discussões infinitas. Este artigo é o guia de bolso: o que cada uma mede, de onde veio, quando usar e onde escorrega. CSAT: "Você saiu satisfeito daqui?" A pergunta: "Qual seu nível de satisfação com [esta compra / este atendimento / esta visita]?", tipicamente numa escala de 1 a 5 (muito insatisfeito → muito satisfeito). O que mede: a avaliação de uma transação específica, logo depois dela. É a métrica do "aqui e agora". A conta usual: % de respostas nos dois pontos do topo (4 e 5, os "satisfeitos"). Um CSAT de 87% significa: 87 em cada 100 avaliações ficaram no topo da escala. Por que contar respostas em vez de tirar a média das notas? Primeiro, porque contar pessoas comunica melhor do que somar pontos: "87 em cada 100 saíram satisfeitos" dispensa tradução; "média 4,2" não. Segundo, porque a média esconde os extremos e trata degraus de rótulo como números equidistantes, o que a escala não garante. E o corte no topo é proposital: o 3 do "mais ou menos" não conta a favor; só entra na conta quem disse com clareza que saiu satisfeito. Linhagem: a satisfação é o construto mais antigo e estudado da área. É a base do ACSI (American Customer Satisfaction Index), o índice nacional americano criado por Claes Fornell na década de 1990, com décadas de estudos ligando satisfação a recompra e tolerância a preço. Onde brilha: diagnóstico operacional. Por ser transacional e específica ("satisfação com a fila", "com a limpeza", "com o atendimento"), aponta o que consertar e onde. É a métrica natural do totem no ponto de venda: experiência fresca, pergunta concreta, resposta em um toque. Onde escorrega: satisfação é só o ingresso: cliente satisfeito ainda troca de marca por preço ou conveniência. CSAT alto e estável pode esconder indiferença confortável. CES: "Deu trabalho resolver?" A pergunta do CES, na versão atual (CES 2.0), é uma afirmação com que o cliente concorda ou discorda: "a empresa facilitou a resolução do meu problema". O que ela mede é o esforço que o cliente gastou para conseguir o que queria, ou seja, quantas ligações, quantas repetições da mesma história, quantos obstáculos. A conta: o cliente responde numa escala de 1 a 7, de "discordo totalmente" a "concordo totalmente", e o placar sai como média das respostas (o padrão do Gartner) ou como % de concordância (respostas de 5 a 7), leitura mais segura pelo mesmo motivo do CSAT: distribuição engana menos que média. O formato de afirmação também tem um porquê: a versão original de 2010 perguntava "quanto esforço você gastou?" numa escala em que nota alta era notícia ruim, e essa polaridade invertida confundia o respondente e o leitor do relatório. O CES 2.0 refez a pergunta para que concordar aponte sempre na mesma direção: quanto maior, melhor. A métrica nasceu de um estudo do CEB (hoje parte do Gartner) publicado na Harvard Business Review em 2010 com um título provocador: "Stop Trying to Delight Your Customers" (pare de tentar encantar seus clientes). A descoberta, baseada em dezenas de milhares de atendimentos, foi que reduzir esforço prevê lealdade melhor do que encantar. Clientes não abandonam empresas por falta de "uau"; abandonam por excesso de atrito. A deslealdade nasce do retrabalho: repetir o problema, ser transferido, ter que insistir. O CES brilha em pós-atendimento, suporte, trocas, resolução de problemas e processos como cadastro, retirada e devolução. Se o processo tem um funil onde clientes "empacam", o CES encontra. Onde ele escorrega é fora desse contexto: não faz sentido perguntar esforço depois de um almoço agradável. E como mede apenas a fricção, uma experiência pode ser fácil e ainda assim medíocre. NPS: "Você apostaria sua reputação em nós?" O que mede lealdade e entusiasmo com a marca como um todo já tem artigo próprio nesta série, então só o essencial comparativo: O que mede: lealdade e entusiasmo com a marca como um todo, mais do que com a transação de hoje. Recomendação envolve colocar a própria reputação em jogo, por isso é régua mais dura que satisfação. A conta: % de promotores (notas 9 e 10) menos % de detratores (0 a 6), com os neutros (7 e 8) fora da subtração; o placar vai de −100 a +100. A subtração existe para endurecer a régua: a nota educada não conta a favor, e cada insatisfeito desconta um entusiasta em vez de se diluir numa média. Onde brilha: visão estratégica, acompanhamento de longo prazo, comparação entre unidades e benchmark com concorrentes (medidos do mesmo jeito). Onde escorrega: é termômetro, não diagnóstico: diz que a marca esfriou, mas não diz qual torneira vazou. E balança muito em amostras pequenas (a conta de % menos % dobra a sensibilidade ao ruído). CSAT CES NPS lado a lado: a tabela de bolso CSAT CES
Escala Likert: a régua de 90 anos que quase todo mundo usa errado
"Concordo totalmente" que você já respondeu uma escala Likert, mas montar uma boa é outra história. Nas Lojas Andorinha O RH das Lojas Andorinha, rede de moda com trinta lojas, lançou sua primeira pesquisa de clima com orgulho e uma escala desenhada em casa: quatro pontos, "para forçar posição", com os rótulos "ruim", "bom", "muito bom" e "excepcional". O resultado saiu cor-de-rosa: 91% do time entre "bom" e "excepcional", slide comemorativo pronto. A analista de dados da rede leu a escala antes de ler o resultado, e pediu para segurarem o slide. Três opções positivas contra uma negativa; nenhum meio honesto para quem estava "nem bem, nem mal"; e o degrau entre "ruim" e "bom" engolindo, num salto só, todo mundo que estava apenas insatisfeito, sem estar revoltado. A pesquisa não tinha medido o clima da rede. Tinha medido o clima da régua, e a régua nascera sorridente. A escala Likert: o problema que um psicólogo resolveu em 1932 Como se mede uma opinião? Um termômetro mede temperatura, uma balança mede peso, mas não existe aparelho que se aponte para uma pessoa e leia "satisfação: 7,3". Em 1932, o psicólogo americano Rensis Likert propôs, em sua tese de doutorado, uma solução tão simples que parece óbvia hoje: apresentar uma afirmação e pedir que a pessoa marque seu grau de concordância numa régua simétrica: "O atendimento da loja resolve meus problemas rapidamente."( ) Discordo totalmente ( ) Discordo ( ) Neutro ( ) Concordo ( ) Concordo totalmente Noventa anos depois, a escala Likert é o instrumento mais usado da pesquisa de opinião mundial, e um dos mais maltratados. Este artigo ensina a montar uma corretamente e a ler os resultados sem se enganar. A anatomia de uma Likert bem-feita 1. É uma afirmação, não uma pergunta.A escala mede reação a uma frase. "Como você avalia o atendimento?" com opções de "péssimo" a "ótimo" é uma escala de avaliação (rating): legítima, mas não é Likert. A distinção importa menos pelo nome e mais pela disciplina: a afirmação precisa ser clara, única e afirmável, e todas as regras de uma boa pergunta valem em dobro aqui. Afirmação dupla ("o atendimento é rápido e cordial") quebra a escala inteira. 2. Simetria: o mesmo número de degraus para cada lado.Duas opções positivas e duas negativas, com o neutro no centro. A pesquisa metodológica (resumida por Jon Krosnick, de Stanford, um dos maiores estudiosos de questionários) mostra que escalas desequilibradas empurram a resposta, e produzem aquele resultado suspeito de "94% de aprovação". 3. Todos os pontos rotulados.Krosnick e Fabrigar também documentaram que escalas com rótulos verbais em todos os pontos (e não só nas pontas) são mais confiáveis: as pessoas interpretam os degraus de forma mais parecida entre si. Números soltos (1 a 5, sem palavras) deixam cada respondente inventar sua própria régua. 4. Cinco ou sete pontos, e pronto.Décadas de estudos convergem: abaixo de 5 pontos perde-se sensibilidade; acima de 7, as pessoas não distinguem os degraus ("concordo moderadamente" vs. "concordo consideravelmente"?) e a qualidade não melhora. No contexto de coleta no ponto de venda (respondente em pé, no totem, com segundos de atenção), 5 pontos é o padrão sensato. 5. O dilema do ponto neutro.Com neutro, quem não tem opinião tem saída honesta. Sem neutro (escala de 4 ou 6), força-se a escolha de um lado. Não há resposta única: escalas pares evitam a "preguiça do meio" (marcar neutro para não pensar), mas fabricam opiniões de quem realmente não tem uma; e fabricar dado é pior que perder dado. A recomendação mais segura é manter o neutro, e quando a taxa de neutros for alta, tratar isso como informação ("os clientes não notaram esse aspecto") em vez de estorvo. Os três pecados na hora de analisar Montar bem é metade; a outra metade é ler direito. Pecado 1: tirar média como se fossem números de verdade.Os degraus da Likert são ordenados, mas não necessariamente equidistantes: a distância psicológica entre "concordo" e "concordo totalmente" pode não ser igual à distância entre "neutro" e "concordo". Tecnicamente, é uma escala ordinal, e há um debate metodológico honesto, com décadas de idas e vindas, sobre quando é aceitável tratá-la como numérica. A regra prática mais segura: média de um único item Likert é atalho arriscado; distribuição é sempre verdade. Reportar "72% concordam ou concordam totalmente; 11% discordam" comunica mais e engana menos do que "média 3,9" (a média esconde os extremos). Pecado 2: ignorar o estilo de resposta.Escalas de concordância sofrem de um viés conhecido: a aquiescência: a tendência humana de concordar com afirmações, qualquer afirmação. Parte dos "concordo" é pura gentileza. Antídotos: afirmações formuladas com neutralidade e, em questionários mais longos, alternar afirmações positivas e negativas para detectar quem concorda com tudo em linha reta (straightlining). Pecado 3: comparar escalas diferentes como se fossem iguais.A nota 4 numa escala de 5 não equivale a 8 numa escala de 10, nem o "concordo" de uma escala rotulada equivale ao "4" de uma escala numérica. Conversões de escala existem, mas são aproximações com perda. Regra de ouro para quem muda de questionário: mudou a escala, quebrou a série histórica: anote a data da mudança e compare com cuidado dali em diante. Likert no ponto de venda No ponto de venda, a escala Likert costuma aparecer em forma de perguntas de múltipla escolha, ou traduzida em linguagem visual: carinhas, estrelas, botões coloridos. A ciência é a mesma; os cuidados também: E um lembrete de humildade metodológica: a carinha mede a reação global daquele momento com altíssima taxa de resposta — essa é sua força. Para diagnóstico fino ("o problema é limpeza ou espera?"), ela precisa das perguntas específicas que vêm depois. Instrumento certo para cada trabalho. De volta à Andorinha Na Andorinha, a pesquisa de clima voltou a campo com uma régua honesta: cinco pontos simétricos, dois negativos, um meio de verdade, dois positivos, todos com rótulo. O retrato mudou: os 91% de céu azul viraram 63% de satisfeitos, 23% em cima do muro e 14% de insatisfeitos
A ética de quem pergunta: privacidade, honestidade e responsabilidade com dados
O cliente confiou a opinião dele a quem pergunta. E agora? É aqui que entra a ética de dados. Na Clínica Aurora Foi um dia de dois pedidos na Clínica Aurora, rede de clínicas médicas. De manhã, o coordenador da unidade em reforma mandou mensagem para Wagner, o administrador: "as notas desta semana despencaram por causa da obra; dá pra apagar essas respostas? Não é justo contar". À tarde, um parceiro comercial pediu "a lista de telefones dos pacientes que avaliaram bem", para oferecer um plano odontológico. Os dois pedidos eram razoáveis à primeira vista. Os dois vinham de gente boa, querendo o melhor para a casa. E aqui o dado tinha um peso a mais: era dado de paciente. Wagner levou os dois para a Dra. Beatriz, a sócia fundadora, na mesma conversa: — Um quer apagar dado que dói. O outro quer usar dado que não foi emprestado para isso. Eu nego os dois? O ativo invisível Toda vez que alguém toca uma carinha num totem, acontece uma pequena transação de confiança: o cliente entrega uma opinião (às vezes um desabafo, às vezes dados pessoais), apostando que será feito bom uso dela. Confiança é o ativo invisível de qualquer negócio que vive de perguntar. Invisível e assimétrico: leva anos para construir e pode ser perdida num único episódio. Uma série sobre pensar cientificamente precisa terminar aqui, porque rigor sem ética é só eficiência a serviço de qualquer coisa. Este artigo cobre os dois compromissos de quem vive de perguntar: cuidar do dado (a parte da lei) e não mentir com ele (a parte que nenhuma lei fiscaliza). Ética de dados, parte 1: a LGPD traduzida para o dia a dia A Lei Geral de Proteção de Dados (Lei nº 13.709/2018) regula o tratamento de dados pessoais no Brasil desde 2020, sob fiscalização da ANPD (Autoridade Nacional de Proteção de Dados). Mais do que um manual de proibições, ela é um princípio central com desdobramentos: o dado pessoal pertence ao titular; quem coleta é guardião temporário, com finalidade definida. O vocabulário mínimo que qualquer equipe que lida com dados de pesquisa deveria dominar: Dado pessoal é qualquer informação que identifique ou possa identificar uma pessoa: nome, e-mail, CPF, telefone, mas também combinações que identifiquem indiretamente. E os dados pessoais sensíveis são aqueles que, quando revelados, podem gerar algum tipo de discriminação, como raça, religião, orientação sexual ou política. Dado anonimizado, aquele que perdeu de forma irreversível o vínculo com a pessoa, está fora do alcance da lei. A nota "4 estrelas às 14h32" solta não identifica ninguém; associada ao CPF do programa de fidelidade, é dado pessoal e exige todo o cuidado da lei. Finalidade: dado coletado para um propósito informado só pode ser usado para aquele propósito. O e-mail coletado "para enviarmos a resolução do seu problema" não pode virar lista de marketing, a menos que isso tenha sido informado e consentido. Minimização: coletar apenas o necessário. Cada campo a mais num questionário não é só atrito de resposta; é passivo jurídico e ético. "Pode ser útil um dia" não é finalidade. Direitos do titular: a pessoa pode saber o que existe sobre ela, corrigir, e pedir eliminação do que foi coletado com base em consentimento. Se um respondente aciona esses direitos, precisa existir processo: a resposta certa do atendimento é acionar o responsável interno, nunca improvisar. Segurança e incidentes: vazamento de dados pessoais é incidente com obrigações legais de comunicação à ANPD e aos titulares em prazos definidos. A regra de ouro preventiva: dado pessoal não passeia: não vai em planilha por e-mail, não vai em print de WhatsApp, não vai em slide de apresentação com nome de cliente visível. Há uma camada extra para quem, como fornecedor de pesquisa, processa dados dos clientes de outra empresa. Na linguagem da lei, esse fornecedor costuma ser operador, processando dados sob instruções do controlador (o cliente contratante). Cada descuido nessa cadeia compromete a confiança de duas relações ao mesmo tempo. Parte 2: A honestidade com resultados (a parte que a lei não cobre) Nenhum artigo da LGPD proíbe "maquiar" um resultado de pesquisa. Essa parte é uma questão de ofício. Não caçar nota. Pressionar o cliente por um 10, escolher o momento da pergunta para inflar o placar, dificultar a resposta negativa: tudo isso produz um número bonito que mede a maquiagem, não a experiência. É a Lei de Goodhart operando pela via da tentação. Quem engana a métrica engana o gestor que decide por ela, e no limite engana a si mesmo (Feynman, sempre: você é a pessoa mais fácil de enganar). Não esconder o recorte inconveniente. Apresentar o trimestre bom e omitir o mês ruim, mostrar a média e esconder a distribuição, citar "os dados" sem mostrar a amostra: cada uma dessas escolhas é uma pequena fraude estatística socialmente aceita. O padrão saudável é outro: o dado que enfraquece a história vai junto. Não afirmar além do que o dado sustenta. "O NPS subiu" quando a variação está dentro da margem de erro; "a campanha causou o aumento" quando há só correlação. O vocabulário honesto existe e não é fraqueza: "os dados sugerem", "ainda não dá para separar do efeito da promoção", "a amostra é pequena para afirmar". Precisão sobre incerteza é sinal de sofisticação. Resultado ruim se entrega com o mesmo capricho do bom. Se um cliente tem um NPS em queda, o relatório não deveria suavizar: precisa contextualizar, diagnosticar e apontar caminho. Quem pesquisa é contratado para dizer a verdade útil, não a verdade agradável. É exatamente por isso que a palavra de quem entrega o resultado vale alguma coisa. Essa postura tem tradição: os códigos de ética das associações internacionais de pesquisa (como o Código ICC/ESOMAR, adotado em dezenas de países) estabelecem há décadas os mesmos pilares: voluntariedade do respondente, transparência de propósito, proteção do dado e obrigação de não distorcer ou deturpar resultados. São princípios de um ofício centenário — quem os segue está apenas se filiando a uma tradição bem estabelecida.
O momento da verdade: Por que pesquisar na hora certa muda tudo
status: publish A memória do cliente tem prazo de validade. Um experimento mental sobre o momento da verdade Sexta-feira, você almoçou num restaurante novo. A comida veio rápida, o tempero estava certo, mas o garçom esqueceu sua bebida e você precisou pedir duas vezes. Cenário A: na saída, um totem pergunta: “Como foi sua experiência hoje?” Cenário B: na terça-feira seguinte, chega um e-mail: “Como foi sua experiência no último dia 3?” Mesma pessoa, mesmo almoço. As respostas serão iguais? A ciência da memória diz que não. E a diferença entre esses dois cenários é, nada modestamente, o fundamento científico do produto da Solvis. Este artigo explica o porquê. Fato 1: a memória apaga rápido, e começa pelos detalhes Em 1885, o psicólogo alemão Hermann Ebbinghaus publicou o primeiro estudo experimental da memória humana e desenhou a curva que leva seu nome: a curva do esquecimento. O achado central, replicado muitas vezes desde então (inclusive numa reprodução direta publicada por Murre e Dros em 2015): o esquecimento é brutalmente rápido no início (boa parte do que aprendemos se perde nas primeiras horas e dias) e depois desacelera. Para a pesquisa de satisfação, a consequência é direta: os detalhes da experiência (a bebida esquecida, o sorriso da atendente, os minutos de fila) são as primeiras vítimas do esquecimento. Dias depois, sobra uma impressão geral desbotada. E detalhe é justamente o que o gestor precisa para agir. Fato 2: o que sobra não é uma gravação, é uma reconstrução Pior do que esquecer: a memória edita. Quando lembramos de algo, não apertamos “play” numa gravação; nós reconstruímos a cena, e a reconstrução é influenciada pelo nosso humor de hoje, por conversas que tivemos depois, pelo que aconteceu em visitas seguintes. Os experimentos de Elizabeth Loftus (citados no artigo sobre perguntas) mostraram que até a redação de uma pergunta altera o que a pessoa “lembra” ter visto. O psicólogo Daniel Kahneman deu nomes a essa divisão: existe o eu que vivencia (experiencing self), que sente a experiência minuto a minuto, e o eu que lembra (remembering self), que conta a história depois, e os dois frequentemente discordam. A pesquisa de Kahneman e colegas identificou inclusive uma regra da edição: a regra do pico-fim (peak-end rule): a memória de uma experiência é dominada pelo momento mais intenso e pelo final, não pela média do todo. Num estudo clássico com pacientes de colonoscopia (Redelmeier e Kahneman, 1996), a lembrança da dor dependia muito mais do pico e dos minutos finais do que da duração total do desconforto. Tradução para o varejo: dias depois, o cliente não lembra mais da experiência em si, e sim de um resumo editado dela. A resposta dada 3 dias depois não é simplesmente a mesma resposta com atraso: é outra resposta, sobre a experiência reconstruída. Fato 3: quem responde dias depois não é todo mundo Além de o que se responde, o tempo muda quem responde. O e-mail de pesquisa enviado dias depois é respondido por uma minoria, tipicamente os extremos: o encantado e o furioso, que têm motivação para gastar tempo. O grande meio silencioso (a maioria dos clientes, cuja opinião define o rumo do negócio) simplesmente não abre o e-mail. É o viés de sobrevivência aplicado à pesquisa (o manual dos vieses) somado à auto-seleção (o caso Literary Digest, citado no artigo sobre amostra). No momento da experiência, no ponto de venda, a barreira de resposta é mínima (dois toques na saída) e todo perfil de cliente está ali: o apressado, o indiferente, o satisfeito-sem-drama. Pesquisar na hora não melhora só a memória da resposta: melhora também a amostra inteira. Juntando os três fatos Na hora (totem) Dias depois (e-mail) Memória Fresca, rica em detalhes Desbotada, sem detalhes Conteúdo A experiência vivida Um resumo editado (pico e fim) Quem responde Todos os perfis presentes Extremos motivados Serve para Diagnóstico e ação Visão geral tardia Uma nuance honesta (porque método científico exige honestidade): a resposta tardia não é “inútil”. O eu que lembra é quem decide se o cliente volta e o que ele conta aos amigos; medir a memória consolidada tem seu valor para estudos de marca. Mas para o gestor que precisa saber o que consertar na operação, esta semana, a resposta fresca, detalhada e representativa é incomparavelmente mais útil. E se a regra do pico-fim governa a lembrança, o fim da visita (exatamente onde está o totem) é também o último momento em que a loja ainda pode influenciar a história que o cliente vai contar. O que isso muda na prática Na prática, isso muda como qualquer empresa deveria desenhar sua estratégia de escuta. “Pesquisar dias depois mede outra coisa” não é um slogan: a frase resume mais de um século de pesquisa, de Ebbinghaus a Kahneman. É também a explicação para uma pergunta comum: por que a nota coletada na hora, no ponto de venda, costuma diferir da nota de uma pesquisa por e-mail enviada dias depois? Não é erro de nenhuma das duas — são instrumentos medindo coisas diferentes: a experiência vivida contra a memória editada, o público inteiro contra os extremos motivados a responder. Há também uma implicação de desenho: cada segundo a mais entre a experiência e a pergunta degrada o dado. A fluidez do fluxo de resposta não é uma questão estética — afeta diretamente a qualidade da medição. O resumo de uma frase (teste Feynman) “A opinião do cliente é como pão fresco: cada dia que passa, mais dura e mais diferente do que saiu do forno. Pergunte enquanto está quente.” Fontes e leituras recomendadas EBBINGHAUS, Hermann. Über das Gedächtnis (Sobre a Memória), 1885. Replicação moderna: MURRE, Jaap M. J.; DROS, Joeri. “Replication and Analysis of Ebbinghaus’ Forgetting Curve”. PLOS ONE, v. 10, 2015. KAHNEMAN, Daniel. Rápido e Devagar: Duas Formas de Pensar. Objetiva, 2012. (Parte 5: sobre os dois “eus”.) REDELMEIER, Donald A.; KAHNEMAN, Daniel. “Patients’ Memories of Painful Medical Treatments”. Pain, v. 66, 1996. (O estudo da regra do pico-fim.) LOFTUS, Elizabeth F.; PALMER, John C.
Quantas respostas bastam para confiar num resultado?
10 respostas não são pesquisa. 10 mil nem sempre são melhores. A pergunta que todo cliente faz “Mas com quantas respostas eu posso confiar no resultado?” É provavelmente a pergunta mais frequente de quem começa a medir satisfação, e uma das mais mal respondidas do mercado. Este artigo responde sem nenhuma fórmula, usando uma panela de sopa. A sopa e a colher Imagine uma panela gigante de sopa. Você quer saber se está boa de sal. Precisa tomar a panela inteira? Claro que não. Uma colherada basta, desde que você mexa a sopa antes. Essa imagem, usada há décadas por professores de estatística, carrega quase tudo que importa sobre amostragem: Em linguagem técnica: “mexer a sopa” é garantir uma amostra representativa, aquela em que todo tipo de cliente tem chance de aparecer. E é aqui que a maioria das pesquisas quebra. Erro nº 1 de amostragem: a colher que só pega a superfície O caso mais famoso da história: em 1936, a revista americana Literary Digest enviou 10 milhões de cédulas de pesquisa e recebeu 2,4 milhões de respostas, a maior pesquisa eleitoral já feita até então. Previu vitória folgada de Alf Landon sobre Franklin Roosevelt. Roosevelt venceu com uma das maiores margens da história. No mesmo ano, George Gallup acertou o resultado com uma amostra centenas de vezes menor. O que deu errado? A Digest tirou seus endereços de listas telefônicas e registros de automóveis: em plena Grande Depressão, isso significava consultar principalmente gente de renda alta. E, entre os consultados, respondeu quem quis (os mais insatisfeitos com o governo). Dois vieses de uma vez: amostra torta e auto-seleção. A lição, que vale até hoje: 2,4 milhões de respostas tortas perdem para 2 mil respostas bem colhidas. Tamanho não conserta viés; só torna o erro mais confiante. É por isso que “10 mil nem sempre são melhores”: se as 10 mil respostas vieram só de um perfil (só quem clica em link de e-mail, só quem estava muito irritado ou muito encantado), você tem uma montanha de dados sobre a superfície da sopa. Esse é também o argumento científico da coleta presencial no momento da experiência: no ponto de venda, todo perfil de cliente passa pelo totem: o apressado, o satisfeito-silencioso, o que jamais responderia um e-mail. A sopa vem mais mexida. Erro nº 2: a colherada minúscula (amostra insuficiente) O outro extremo: gerente olha o painel na segunda-feira, vê 8 respostas do fim de semana, sendo 3 negativas, e aciona o alarme: “37% de insatisfação!”. Com 8 respostas, o acaso manda no resultado. Duas famílias mal atendidas no sábado produzem uma “crise” que não existe. É o mesmo motivo pelo qual tirar cara 3 vezes em 4 lançamentos de moeda não prova que a moeda é viciada. A estatística mede essa incerteza com a margem de erro: um “colchão” em volta do número, dentro do qual o valor verdadeiro provavelmente está. Sem fórmulas, o que a equipe precisa saber de cor é a ordem de grandeza: (Valores aproximados, para uma população de 10000 clientes e nível de confiança de 95%, o padrão de mercado.) Use a nossa calculadora, para ter uma ideia mais precisa dos seus números. Repare em duas coisas. Primeiro: os retornos são decrescentes. Sair de 100 para 400 respostas ajuda muito; sair de 1.000 para 2.500 ajuda pouco. Segundo: a consequência prática para leitura de dashboards. Uma variação de 4 pontos no NPS de uma loja com 80 respostas no mês não é notícia; é ruído dentro da margem. Antes de comemorar ou apagar incêndio, pergunte: a variação é maior que a margem de erro? Erro nº 3: fatiar até não sobrar nada Uma rede tem 5.000 respostas no trimestre — ótimo. Mas aí alguém quer o NPS da loja do bairro X, no turno da noite, entre clientes de primeira visita. Sobraram 12 respostas. O painel mostra o número do mesmo jeito, e ele balança loucamente a cada semana. Regra prática: cada fatia tem a sua própria margem de erro, sempre maior que a do bolo inteiro. Cada filtro aplicado encolhe a amostra e alarga a incerteza. Fatias pequenas servem para gerar hipóteses (“parece haver um problema no turno da noite — vamos observar mais”), nunca para veredito. As três perguntas antes de confiar num número Quem faz essas três perguntas lê qualquer dashboard (nosso ou de qualquer ferramenta do mundo) com olhos de cientista. O resumo de uma frase (teste Feynman) “Para saber se a sopa está boa, não precisa tomar a panela: basta mexer bem e provar uma colherada de tamanho honesto.” Fontes e leituras recomendadas SQUIRE, Peverill. “Why the 1936 Literary Digest Poll Failed”. Public Opinion Quarterly, v. 52, 1988. HUFF, Darrell. Como Mentir com Estatística. Intrínseca, 2016 (original de 1954). (Capítulos sobre amostras enviesadas.) COCHRAN, William G. Sampling Techniques. 3ª ed. Wiley, 1977. (A referência técnica clássica sobre amostragem, para quem quiser as fórmulas.) WHEELAN, Charles. Estatística: O Que É, Para Que Serve, Como Funciona. Zahar, 2016. (Introdução acessível a margem de erro e amostragem.)
NPS sem mistério: o que o número diz (e o que ele não diz)
O cliente deu nota 7. Isso é bom ou ruim? Depende de quem responde — e depende de como o NPS trata essa nota. De onde veio esse número que todo mundo usa Em 2003, o consultor Frederick Reichheld, da Bain & Company, publicou na Harvard Business Review um artigo com um título ambicioso: “The One Number You Need to Grow” (o único número de que você precisa para crescer). A proposta era radical na sua simplicidade. Depois de testar dezenas de perguntas de pesquisa contra dados reais de recompra e indicação, Reichheld concluiu que uma pergunta superava quase todas as outras na maioria dos setores: “Em uma escala de 0 a 10, o quanto você recomendaria a [empresa] a um amigo ou colega?” Nascia o Net Promoter Score, o NPS. Vinte anos depois, é provavelmente a métrica de experiência do cliente mais usada no mundo, e a linguagem diária de boa parte dos nossos clientes. Por isso, todo mundo na Solvis precisa dominar a mecânica e a interpretação da métrica e, principalmente, os seus limites. A mecânica em 60 segundos As respostas de 0 a 10 dividem os clientes em três grupos: A conta: NPS = % de promotores − % de detratores O resultado vai de −100 (todo mundo detrator) a +100 (todo mundo promotor). Os neutros não entram na conta, mas entram no denominador: “empurrar” um neutro para promotor sobe o placar. Exemplo: 100 respostas, sendo 55 promotores, 30 neutros e 15 detratores. NPS = 55% − 15% = 40. As três pegadinhas de interpretação 1. A nota 7 não é “boa”, e isso é proposital. Na escola, 7 é aprovação. No NPS, 7 é neutro. Por quê? Porque as pessoas tendem a ser educadas em pesquisas e inflar notas (lembra da aquiescência, no artigo sobre perguntas?). A régua do NPS é dura de propósito: só conta como promotor quem demonstra entusiasmo inequívoco. Quando um cliente da Solvis pergunta “por que nota 8 não conta a favor?”, essa é a resposta: a escala desconta a gentileza. 2. NPS não é média. Duas lojas podem ter a mesma média de notas e NPS muito diferentes. Uma loja onde todos dão 8 tem NPS 0. Uma loja onde metade dá 10 e metade dá 6 também tem NPS 0. São situações completamente diferentes: a segunda tem fãs e insatisfeitos; a primeira, um mar de indiferença. Por isso, olhe sempre a distribuição das notas junto com o placar. 3. Comparar NPS entre setores (e países) é armadilha. O NPS “bom” varia por setor: bancos, supermercados e hospitais têm réguas naturais diferentes. Também varia com a cultura local: há evidência de que padrões de resposta a escalas mudam entre países. A comparação mais honesta é sempre você contra você mesmo ao longo do tempo, e contra concorrentes diretos medidos do mesmo jeito. O que o NPS não diz (e é aqui que nós entramos) O NPS funciona como um termômetro: mostra que há febre, mas não identifica a infecção. Um NPS que caiu de 62 para 48 não conta se o problema é fila, preço, produto ou o ar-condicionado quebrado. Por isso a pergunta de nota deve vir acompanhada da pergunta aberta (“o que motivou a sua nota?”) e de perguntas específicas por dimensão. É o conjunto que transforma o placar em diagnóstico. Vale conhecer também as críticas técnicas à métrica, publicadas em pesquisa acadêmica: estudos como o de Timothy Keiningham e colegas (Journal of Marketing, 2007) testaram a alegação de que o NPS seria o melhor preditor de crescimento e não conseguiram replicá-la: a satisfação tradicional previa crescimento tão bem quanto. O consenso prático que ficou é que o NPS vale pela simplicidade e pela comparabilidade, sem os poderes mágicos de previsão que o artigo original prometia. Quem promete que “subir NPS = crescer receita” está vendendo além da evidência. E há um risco de gestão documentado: quando o NPS vira meta de bônus individual, nasce a tentação de caçar nota em vez de melhorar a experiência (“me dá um 10 que me ajuda muito?”). Isso é uma manifestação da Lei de Goodhart: quando uma medida vira meta, deixa de ser uma boa medida. Uma nota coletada sob pressão diz mais sobre o constrangimento do cliente do que sobre a lealdade dele. O próprio criador está reclamando: e agora? Em 2025, num painel de mercado, o próprio Reichheld declarou estar “cansado de pesquisas”, e a frase virou manchete: “o NPS morreu?”. Lida por inteiro, porém, a reclamação dele tem endereço certo, e não é a métrica: é o NPS mal operado. Os alvos que ele cita são a pesquisa por e-mail em massa com 1% a 3% de resposta (amostra pequena e torta, como explica o artigo sobre amostra), a nota de cortesia ou mendigada por quem tem bônus atrelado (a Lei de Goodhart da seção anterior, em escala de mercado) e a coleta que não gera ação nenhuma. Repare: são três problemas de operação, não de fórmula, e cada um tem antídoto conhecido: coleta no momento da experiência, incentivo bem desenhado e ciclo fechado. A resposta construtiva do próprio Reichheld veio em “Net Promoter 3.0” (Harvard Business Review, 2021): complementar o placar declarado com uma régua comportamental, o Earned Growth Rate, que separa a receita “ganha” (clientes que voltam e clientes que chegam por indicação) da receita “comprada” (aquisição paga). A lógica é elegante: o promotor de verdade aparece no caixa, não só no questionário. É uma régua auditável e imune ao pedido de dez, embora exija um rastreamento da origem de cada cliente que poucas empresas têm hoje. Para a leitura diária, fica a lição: nota declarada e comportamento real são dois termômetros que se vigiam, e divergência entre eles é informação. No mesmo embalo, parte do mercado prega substituir pesquisas por “sinais” capturados por IA: carrinho abandonado, cliques de raiva, tom de voz. Dois cuidados antes de aderir. Primeiro, quem faz esse diagnóstico costuma vender exatamente a plataforma de sinais que receita, então separe o diagnóstico
