A foto, o filme e a previsão do tempo: três pesquisas diferentes que o mercado insiste em chamar pelo mesmo nome. Conhecer os tipos de pesquisa evita comparar números que medem coisas diferentes.
Nas Farmácias Horizonte
O e-mail chegou para Mari Ferreira, consultora da Solvis que atende as Farmácias Horizonte, com dois prints e um desabafo de um franqueado: “Me ajuda a entender. O NPS do totem deu 72. A pesquisa anual que a franqueadora mandou por e-mail deu 45. MESMA FARMÁCIA. Um dos dois só pode estar errado, e eu preciso saber qual antes da reunião de sexta, porque com 72 eu ganho selo e com 45 eu ganho advertência.”
Mari leu os dois prints e reconheceu o par na hora: a mesma pergunta, feita em dois momentos completamente diferentes, medindo duas coisas completamente diferentes. E percebeu, pelo tom do desabafo, que o problema maior nem era estatístico: era que selo e advertência estavam pendurados em dois números que a rede tratava como sinônimos.
“Vamos fazer uma pesquisa” não diz nada
Quando um cliente diz “quero medir a satisfação”, a primeira pergunta profissional não é “com quantas perguntas?” nem “com qual escala?”. É: que tipo de pesquisa você precisa?
Porque existem três, e confundi-las produz alguns dos erros mais caros da área: metas compostas de números que não se comparam, questionários que perguntam a coisa certa na hora errada e dashboards que misturam foto com filme.
Pesquisa transacional: a foto
A pergunta implícita: “Como foi esta experiência?”
Dispara logo após um evento específico: a compra, o atendimento, a visita, a entrega. Mede a experiência ainda fresca na memória (artigo O momento da verdade: o momento da verdade), com perguntas concretas sobre aquele episódio: satisfação com a fila, com a limpeza, com quem atendeu. CSAT e CES são suas métricas naturais (artigo CSAT, CES e NPS).
Características técnicas:
- Censitária por vocação: tenta ouvir todo mundo que passou pela experiência, em vez de uma amostra sorteada. O totem no ponto de venda é o caso extremo (e virtuoso) disso: todo perfil de cliente tem chance de responder (artigo Amostra, a sopa mexida).
- Volume alto, questionário curto: segundos de atenção, poucas perguntas, fluxo contínuo.
- Leitura operacional: alimenta o inner loop (artigo O ciclo fechado): o alerta de hoje, o caso a resolver em 48h, o padrão da semana.
Onde escorrega: a transacional enxerga árvores, não a floresta. Um cliente pode dar nota alta em dez visitas seguidas e ainda assim estar a um reajuste de preço de trocar de marca. Satisfação com episódios não é a mesma coisa que força da relação.
Pesquisa relacional: o filme
A pergunta implícita: “Como está a nossa relação, somando tudo?”
Não dispara por evento: acontece em ciclos (trimestral, semestral, anual), com uma amostra da base de clientes, inclusive os que não visitaram recentemente, e principalmente eles. Pergunta sobre o acumulado: recomendação (NPS é a métrica clássica aqui), intenção de continuar, percepção da marca, comparação com alternativas.
Características técnicas:
- Amostral por natureza: aqui a teoria de amostragem do artigo Amostra trabalha em tempo integral: quem convidar, como evitar auto-seleção, quanto pesa cada segmento.
- Questionário mais longo, contexto mais paciente: o respondente foi convidado, não abordado na saída da loja. Cabe mais profundidade.
- Leitura estratégica: alimenta o outer loop: decisões de portfólio, posicionamento, investimento.
Onde escorrega: memória. A relacional pergunta em março sobre experiências de janeiro, e a resposta vem editada pela memória (artigo O momento da verdade), mais influenciada pelo pico e pelo fim das experiências do que pela média delas. E o convite por e-mail ou telefone sofre auto-seleção crônica: respondem os extremos.
O erro clássico do mercado: perguntar NPS (pergunta relacional: “recomendaria a empresa?”) no contexto transacional (dois minutos depois de uma compra) e tratar o resultado como se fosse a saúde da relação. O que se mede aí é um híbrido: a relação vista sob o efeito da experiência de agora. Útil? Sim, como série temporal. Comparável com o NPS relacional da pesquisa anual? Não: são filmes de câmeras diferentes.
Pesquisa preditiva: a previsão do tempo
A pergunta implícita: “O que este cliente vai fazer, antes que ele faça?”
A fronteira mais recente. Não é um terceiro questionário: é o uso combinado dos dados de pesquisa com dados de comportamento (frequência de visita, ticket, recência, reclamações) para antecipar: risco de abandono, propensão a recomprar, probabilidade de reagir mal a uma mudança.
Exemplos práticos:
- Cliente que era promotor e silenciou (parou de responder, parou de visitar): sinal precoce de churn mais confiável que qualquer nota isolada.
- Queda de nota em duas transações seguidas do mesmo cliente identificado: prioridade de contato no ciclo fechado (artigo O ciclo fechado).
- Combinação “nota alta + esforço alto” (CSAT bom, CES ruim): o cliente que ainda gosta, mas está cansando; a deslealdade em formação (artigo CSAT, CES e NPS).
Os cuidados obrigatórios: tudo o que a série ensinou sobre estatística e vieses se aplica em dose dupla. Correlação não é causa, modelos herdam os vieses dos dados que os alimentam (artigo IA na análise de dados), e previsão sobre indivíduos exige base legal e transparência (artigo A ética de quem pergunta, LGPD: finalidade e não-surpresa). Previsão é hipótese com probabilidade, não veredito.
A tabela de bolso dos tipos de pesquisa
| Transacional | Relacional | Preditiva | |
|---|---|---|---|
| Pergunta | Como foi esta experiência? | Como está a relação? | O que vai acontecer? |
| Gatilho | O evento | O calendário | O modelo |
| Quem responde | Quem viveu o evento | Amostra da base | Ninguém (dados combinados) |
| Métricas típicas | CSAT, CES | NPS, intenção | Risco, propensão |
| Alimenta | Operação (inner loop) | Estratégia (outer loop) | Ação antecipada |
| Risco típico | Ver árvore, perder floresta | Memória e auto-seleção | Correlação travestida de causa |
Por que isso importa
A maior parte dos programas de escuta nasce transacional, e é por aí que se começa. Mas a empresa madura (Voz do Cliente, estágio 3) precisa dos três tipos operando como sistema: a transacional detecta, a relacional contextualiza, a preditiva antecipa. Saber explicar essa arquitetura é o que separa instalar um totem de desenhar um programa de escuta.
De volta à Horizonte
Na Horizonte, a resposta da Mari virou aula na reunião de sexta: o 72 era a foto (o cliente na saída do balcão, o atendimento ainda fresco: a experiência transacional); o 45 era o filme (a relação inteira, lembrada semanas depois, com o preço, o app do concorrente e a farmácia da esquina na conta). Nenhum estava errado; eram instrumentos diferentes, e a diferença entre eles era, em si, informação: a loja encantava no balcão e desbotava na memória, sintoma clássico de relação sem vínculo.
A rede reformou o uso: selo e advertência saíram do número solto e passaram para o par lido em conjunto, cada pesquisa com papel, dono e régua próprios. O franqueado guardou a síntese: “a foto elogia meu balcão; o filme está me pedindo um programa de fidelidade”.
O resumo de uma frase (teste Feynman)
“Transacional é a foto de cada visita, relacional é o filme da relação, preditiva é a previsão do tempo: quem mistura os três mede tudo e não entende nada.”
Fontes e leituras recomendadas
- REICHHELD, Fred; MARKEY, Rob. The Ultimate Question 2.0. Harvard Business Review Press, 2011. (A distinção formal entre NPS transacional e relacional.)
- FORNELL, Claes et al. “The American Customer Satisfaction Index: Nature, Purpose, and Findings”. Journal of Marketing, v. 60, 1996. (O modelo relacional cumulativo de satisfação.)
- GUPTA, Sunil; ZEITHAML, Valarie. “Customer Metrics and Their Impact on Financial Performance”. Marketing Science, v. 25, 2006. (O elo entre métricas percebidas, comportamento e resultado.)
- LEMON, Katherine N.; VERHOEF, Peter C. “Understanding Customer Experience Throughout the Customer Journey”. Journal of Marketing, v. 80, 2016. (Jornada, touchpoints e a integração dos tipos de medição.)
- NESLIN, Scott A. et al. “Defection Detection: Measuring and Understanding the Predictive Accuracy of Customer Churn Models”. Journal of Marketing Research, v. 43, 2006. (O estado da arte em previsão de abandono.)
