A estrela só paga quem ninguém conhece

A avaliação de duas estrelas aparece numa segunda de manhã. A recepção mostra no celular, o dono lê três vezes, alguém sugere responder, alguém sugere ignorar, e a manhã inteira gira em torno daquele texto de quatro linhas.

Ninguém pergunta quanto ela custa.

As fontes deste artigo foram publicadas entre 2011 e 2022, e elas respondem à pergunta com número. A estrela paga, e paga quase só quem ninguém conhece. O acervo já mostrou quanta gente olha a nota antes de escolher e do que a avaliação de uma clínica é feita. Este é sobre o preço dela.

Nenhum estudo aqui mediu o Google. A estrela que a clínica brasileira tem é a do perfil no Google e a da Doctoralia, e não encontramos nenhuma das duas ligada a faturamento em pesquisa publicada. O que foi medido está no Yelp americano, no jameda alemão e em plataforma de restaurante e de hotel. O que atravessa não é a plataforma, é o mecanismo: quando o paciente não tem outra informação sobre a clínica, a nota decide, e quando ele já tem, ela não trabalha. Os números daqui valem como ordem de grandeza, não como previsão para a sua agenda.

O número que o mercado repete é de restaurante em Seattle

Michael Luca cruzou a receita declarada de todos os restaurantes de Seattle ao Departamento de Receita do Estado de Washington, de janeiro de 2003 a outubro de 2009, com as notas do Yelp (Harvard Business School Working Paper 12-016, 2011). São 3.582 restaurantes e 41.766 observações de restaurante por trimestre.

O desenho é bom. O Yelp arredondava a nota para a meia estrela mais próxima, e era só ela que o cliente via: 3,24 virava 3 estrelas e 3,25 virava 3,5. Dois restaurantes praticamente idênticos apareciam com meia estrela de diferença, e a comparação entre eles isola o efeito da nota.

O resumo do paper diz que uma estrela a mais leva a um aumento de 5% a 9% na receita. É esse intervalo que circula em apresentação de marketing médico e em post de agência.

Só que as duas pontas do intervalo saem de tabelas diferentes. Os 5,4% são a regressão com efeitos fixos da Tabela 3, que é associação. Os 9,4% são a descontinuidade da Tabela 4, e ali o próprio texto avisa entre parênteses que o choque medido é de meia estrela e foi renormalizado para uma.

A Tabela 5 testa a largura da janela em volta do arredondamento. Com 0,2 estrela de banda, o salto é 0,094. Com 0,3, cai para 0,054.

O número que o mercado repete sobre reputação online mora num working paper que nunca passou por revisão por pares. No currículo do próprio Luca, de junho de 2023, ele continua listado em working papers, doze anos depois da primeira versão, que é de novembro de 2010.

Em medicina alguém mediu, e deu 1,9%

Yiwei Chen coletou 95.030 perfis de médicos no Yelp, casou 36.787 deles com o cadastro nacional de prestadores americano e cruzou o resultado com a receita do Medicare de 2012 a 2015 (job market paper, Stanford, 2018). São 3.474.085 observações de médico por ano.

O problema de fundo é que médico bom recebe nota boa e atende mais gente pelos dois motivos ao mesmo tempo. Chen contorna isso com um instrumento: a severidade de quem escreve, medida pela nota que aquele avaliador dá a outros negócios do Yelp, em boa parte restaurantes. Cair na mão de um avaliador rígido é sorte, não qualidade. Uma estrela a mais de severidade média puxa 0,57 estrela na nota do médico.

O efeito sobre a receita tem significância a 1%; o de pacientes, a 5%. E o próprio autor faz a conta de quem sobra: se só paciente novo usa o Yelp, e se um em cada dez idosos consulta o site, a resposta por estrela dentro desse grupo chega a 38%. O 1,9% é a média diluída na carteira inteira.

Numa clínica que fatura R$ 80.000 por mês, 1,9% são R$ 1.520 por mês, ou R$ 18.240 por ano, por uma estrela inteira. Meia estrela vale a metade disso. Vale comparar esse número com o que a casa já gasta para trazer um paciente novo. E a transposição entra declarada: o percentual foi medido sobre a receita de médicos americanos no Medicare, não sobre o faturamento de uma clínica brasileira.

Este também é job market paper, de novembro de 2018. Uma versão revisada por pares saiu no Journal of Marketing em 2024, com uma coautora e outro enquadramento, fora da janela editorial deste blog. Os números acima são os de 2018, que é a versão aberta.

O efeito inteiro é de quem não tem reputação

A Tabela 7 do mesmo paper de Seattle separa os restaurantes de rede dos independentes. Nos independentes, o coeficiente da nota é 0,065. Nos 143 restaurantes de rede da amostra, é 0,005, com erro-padrão de 0,025. Luca escreve que o efeito vem inteiro dos independentes, e a explicação dele é direta: sobre a rede não existe dúvida a resolver.

Michael Anderson e Jeremy Magruder testaram a mesma descontinuidade em San Francisco, com desenho independente e revisão por pares (The Economic Journal, 2012). Em vez de receita, eles mediram disponibilidade de reserva: consultaram 328 restaurantes com reserva online às 18h, 19h e 20h de quinta, sexta e sábado, com 36 horas de antecedência, de 21 de julho a 29 de outubro de 2010. São 13.758 observações, com erro-padrão agrupado por restaurante, que é justamente o que eles apontam faltar no trabalho de Seattle.

Meia estrela a mais derrubou a disponibilidade das 19h em 19 pontos percentuais. O restaurante esgota mais.

A tabela de heterogeneidade é a parte que interessa à clínica.

E os restaurantes com estrela Michelin ou lista dos cem melhores do San Francisco Chronicle: 0,095, com sinal invertido e sem significância. Quem já tem reputação não sente o Yelp.

Três cortes, em dois trabalhos independentes, apontam para o mesmo lugar: a estrela move demanda onde o cliente não tem outra informação. Onde já existe reputação, a estrela não move nada. Rede não sente, restaurante premiado não sente, e restaurante com mais de quinhentas avaliações também não. A clínica de bairro sem marca é exatamente o caso em que a nota faz diferença, e isso corta para os dois lados.

A curva não é uma reta descendente, e o próprio paper de Seattle mostra a outra metade dela. Na Tabela 9, a sensibilidade à nota aumenta com o número de avaliações: o coeficiente é 0,053 na base e ganha 0,027 nos restaurantes de cinquenta avaliações para cima, o que Luca resume como 50% mais impacto do que em quem tem menos de dez. Com pouca avaliação, a nota ainda não informa nada; com muita, já não sobra dúvida para informar. O efeito vive no meio, e o meio começa bem cedo.

No miolo da escala quase nada acontece

Rachel Werner, R. Tamara Konetzka e Daniel Polsky acompanharam 16.147 asilos americanos e 2.316.649 internações entre 2005 e 2010, em volta de 18 de dezembro de 2008, o dia em que o Medicare começou a publicar uma nota de uma a cinco estrelas para cada casa (Health Services Research, 2016). Com uma data falsa de implantação o efeito some, que é o teste dos próprios autores contra tendência de calendário. Some quase todo: um dos quatro termos daquela regressão, o das casas de quatro estrelas, continua significativo.

É simulação a partir dos coeficientes, não participação observada, e é nota de governo sobre asilo, não avaliação de paciente sobre clínica. Com essas duas ressalvas na mesma frase, o desenho da curva é o que importa: as pontas mandam e o miolo não existe. Sair de três para quatro estrelas não é meio caminho andado, é quase nada.

A nota que move o dinheiro é escrita no balcão

O mesmo paper que precifica a estrela também abre o que está escrito dentro dela. Chen rodou um modelo de tópicos sobre 231.215 avaliações de médicos no Yelp e listou os dez mais frequentes com a nota média de cada um.

O tópico das palavras front, rude, desk e staff responde por 5,1% das avaliações e tem nota média 2,1. O de call, appointment, phone e told responde por 8,4% e tem 2,5. O da espera, com wait, minute e hour, tem 3,0. E o tópico de staff friendly e recommend, que é 10,6% do total, tem 4,7.

O rótulo de cada tópico é interpretação do próprio autor, e ele escreve isso na nota da tabela. O que o algoritmo entrega é o agrupamento de palavras e a nota média de quem as usa.

O balcão e o telefone escrevem as piores notas da clínica, e são as duas coisas que o dono controla sem comprar nada. A nota é da recepção antes de ser do médico. O acervo abre item por item o que exatamente derruba a nota de uma clínica; aqui interessa que é essa nota que move o dinheiro.

Com uma avaliação só, a nota não é média de nada

Martin Emmert e Stuart McLennan leram dez anos do jameda, o maior site alemão de avaliação de médicos: 1.906.146 avaliações para 127.921 médicos, de 2010 a 2019 (Journal of Medical Internet Research, 2021). A escala é a nota escolar alemã, de 1 a 6, em que 1 é a melhor.

A Tabela 4 abre a nota por quantidade de avaliações recebidas, e o desenho não é uma reta.

Em 2019, 40,84% dos médicos avaliados receberam uma avaliação só no ano inteiro. Quem tem uma nota está quase sempre no topo ou no fundo, porque uma pessoa não faz média de coisa nenhuma.

Nota de médico com uma avaliação não é média, é o que uma pessoa achou. A saída não é caprichar mais na nota. É ter mais avaliações, para que a próxima ruim divida com trinta em vez de decidir sozinha.

A plataforma decide a nota mais do que o atendimento

Dina Mayzlin, Yaniv Dover e Judith Chevalier rasparam, em outubro de 2011, as avaliações de 2.931 hotéis que existiam ao mesmo tempo no TripAdvisor, onde qualquer um posta, e na Expedia, onde só posta quem reservou e se hospedou (NBER Working Paper 18340, 2012). O trabalho saiu depois na American Economic Review, em 2014.

Os mesmos hotéis, nas mesmas semanas, têm média 3,52 no TripAdvisor e 3,95 na Expedia. Quatro décimos de estrela de diferença, produzidos pela regra de quem pode escrever.

E 23,0% de todas as avaliações do TripAdvisor são de gente que avaliou uma única vez na vida. Elas são mais extremas que o resto: 47,6% delas dão cinco estrelas, contra 38,1% no site inteiro, e 24,3% dão uma ou duas, contra 16,4%. Os próprios autores registram que ser extremo não prova ser falso, porque quem teve experiência fora do comum é justamente quem senta para escrever.

Quem mais ganha com a estrela é quem mais tenta fabricá-la

Michael Luca e Georgios Zervas pegaram toda avaliação de restaurante da região de Boston desde a fundação do Yelp em 2004 até 2012: 316.415 avaliações de 3.625 restaurantes (Management Science, 2016). O filtro do Yelp deixou 50.486 delas fora das recomendadas, e os autores as tratam como suspeitas.

A validação vem de fora do algoritmo. Em março de 2014 os autores identificaram 126 negócios pegos numa operação de flagrante do próprio Yelp, que respondeu a anúncios de quem comprava avaliação. Esses negócios tinham em média 2,6 estrelas e 18 avaliações, contra 3,5 estrelas e 86 avaliações do restaurante médio de Boston. Nenhuma rede entre eles.

É o mesmo perfil das duas pontas: quem tem pouca reputação é quem mais ganha com a estrela e quem mais tem incentivo para fabricá-la. Vale ler isso como aviso sobre a concorrência e como aviso sobre a tentação da casa.

O que fazer com isso na segunda-feira

A ordem das ações sai da própria evidência, e ela não começa pela nota.

• Conte quantas avaliações a clínica tem. Abaixo de dez, a média é ruído: no jameda, quem tem uma avaliação está no topo em 80,28% dos casos e no fundo em 3,56%, e a diferença entre os dois destinos foi uma pessoa.
• Trabalhe o volume antes de trabalhar a nota. Volume é o que faz a avaliação ruim seguinte pesar pouco, e no Yelp de Seattle é também o que faz a nota pesar mais. Só que o caminho piora antes de melhorar: no jameda, a média sai de 1,58 com uma avaliação para 1,95 na faixa de 21 a 50, que é a pior do estudo, e só volta a 1,34 acima de cem. Quem sai do quase nada não vai ver a nota subir; vai ver a nota virar verdade.
• Leia a nota por assunto, não a média. Os tópicos de balcão e de telefone puxaram médias de 2,1 e 2,5 no Yelp americano. Se as suas avaliações ruins falam de retorno de ligação e de recepção, o problema não é reputação, é operação.
• Trate as duas pontas da escala como o que paga. Nos asilos americanos, no mercado simulado em que cada casa começava com 20%, a de cinco estrelas foi a 21,27% e a de uma estrela caiu a 18,38%, enquanto duas, três e quatro estrelas ficaram entre 19,89% e 20,46%.
• Nunca compre avaliação. Além do rastro que o Yelp já mostrou saber achar, no Brasil isso é infração ética expressa: a Resolução CFM nº 2.336/2023, que rege a publicidade médica desde março de 2024, veda no artigo 11, inciso XVI, praticar concorrência desleal ou divulgar conteúdo inverídico.
• Republique depoimento com cuidado. A mesma resolução, no artigo 14, inciso II, alínea g, dentro das regras de demonstração de resultado, exige que autorretratos repostados de pacientes e depoimentos sobre a atuação do médico sejam sóbrios, sem adjetivos que denotem superioridade ou induzam a promessa de resultado. A regra vale para o que você publica, e não para o que o paciente escreve na plataforma.

A resolução é de 2023 e está fora da janela de fontes deste blog. Ela entra porque é norma vigente, não evidência.

O que essa evidência não diz

Nada disso foi medido no Brasil. Procuramos no PubMed, no SciELO, na BVS e na Biblioteca Digital Brasileira de Teses e Dissertações, com os termos de avaliação online, site de avaliação de médico, reputação online, boca a boca eletrônico e Doctoralia, e não encontramos medição brasileira de volume de avaliações por clínica, de nota média ou de efeito sobre demanda.

O que existe é um trabalho só. Bárbara Foiato Hein Machado, Mellina da Silva Terres e Kenny Basso rodaram dois experimentos com 120 e 250 participantes, mostrando avaliações fictícias no formato do Yelp e medindo confiança declarada (ReMark, Revista Brasileira de Marketing, 2022). Com volume alto de avaliações, a distância de confiança entre nota boa e nota ruim foi de 4,14 para 1,27; com volume baixo, de 2,85 para 1,90. É laboratório com cenário hipotético, não campo, e os próprios autores escrevem que os brasileiros ainda não vivenciam plenamente a cultura de avaliação de médicos como em outros países. Existe também um caso de ensino de 2025 sobre a Doctoralia, fora da janela deste blog, e ele traz números da plataforma, não nota de clínica nem efeito sobre demanda.

O 1,9% de Chen é de paciente do Medicare, ou seja, de 65 anos ou mais. Os médicos avaliados no Yelp que faturaram o programa em 2015 eram 26.822 de 560.626, e o autor avisa que eles se concentram em especialidades de contato direto e em grupos pequenos. Cada médico avaliado tinha, em média, 5,3 avaliações.

Dois dos trabalhos centrais deste texto são working paper, e é preciso ler os dois com esse desconto: o de Seattle nunca foi revisado por pares, e o de medicina foi revisado depois, em 2024, numa versão que não conferimos.

O paper de medicina também estima que ser avaliado com a nota média, 3,65 estrelas, derruba a receita em 1,2%. Não usamos esse número. O próprio Chen se recusa a usar aquele coeficiente no modelo de bem-estar dele, porque aquele coeficiente mede só o fluxo do próprio médico e deixa de fora o encaminhamento que passa a ir para os outros.

A régua também mudou depois. Em julho de 2023 o Yelp passou a exibir, ao lado das estrelas, a nota numérica com uma casa decimal, e dois negócios com a mesma quantidade de estrelas passaram a aparecer com números diferentes. O arredondamento continua; a diferença de informação que os dois trabalhos de restaurante usaram para isolar o efeito, não.

E restaurante não é clínica. Quatro dos estudos aqui medem comida e hotel, e entram porque é lá que a estrela foi ligada a dinheiro com desenho crível e amostra grande. O que viaja é o mecanismo: a nota resolve dúvida, e onde não há dúvida ela não trabalha.

Perguntas rápidas

Quanto vale uma avaliação a mais no Google para a clínica?

A medição que encontramos em medicina achou 1,9% de receita anual e 1,2% de pacientes por estrela inteira a mais, em 36.787 médicos americanos avaliados no Yelp entre 2012 e 2015. Numa clínica de R$ 80.000 por mês, uma estrela inteira valeria R$ 1.520 por mês. Meia estrela, a metade.

Nota quatro estrelas já é boa o suficiente?

Nos asilos americanos, o que moveu participação de mercado foram as pontas: a nota máxima ganhou 6,4% e a mínima perdeu 8,1%, enquanto duas, três e quatro estrelas ficaram em +2,3%, −0,5% e −0,1%. A conta é uma simulação a partir dos coeficientes, e é outro setor, mas a forma da curva diz que o miolo da escala trabalha pouco.

Uma avaliação ruim sozinha derruba a nota da clínica?

Clínica com poucas avaliações tem nota extrema porque quem escreve se autosseleciona. No jameda alemão, 80,28% dos médicos com uma única avaliação estão na melhor nota e 3,56% na pior, e em 2019 40,84% dos médicos avaliados receberam uma avaliação só no ano. Com trinta, a próxima ruim divide.

É melhor buscar mais avaliações ou uma nota mais alta?

Volume primeiro. No Yelp de Seattle, a sensibilidade à nota cresce com o número de avaliações: 0,053 na base e mais 0,027 de cinquenta para cima. E no jameda a média piora antes de melhorar, de 1,58 com uma avaliação para 1,95 na faixa de 21 a 50, voltando a 1,34 acima de cem.

A clínica pode pedir avaliação no Google ao paciente?

A Resolução CFM nº 2.336/2023 não trata de pedir avaliação no Google nem na Doctoralia; ela regula o que o médico publica. O que ela exige, no artigo 14, inciso II, alínea g, é que depoimento de paciente republicado pela clínica seja sóbrio, sem adjetivo de superioridade e sem promessa de resultado. Comprar avaliação cai no artigo 11, inciso XVI.

A avaliação pesa igual para clínica pequena e para rede?

Não. Em Seattle, o coeficiente da nota foi 0,065 nos restaurantes independentes e 0,005 nas redes. Em San Francisco, o efeito de meia estrela sobre a disponibilidade foi −0,339 entre quem tinha de 100 a 500 avaliações e −0,005 entre quem tinha mais de 500. Onde já existe reputação, a estrela não trabalha.

Referências

1. Anderson, M.; Magruder, J. Learning from the crowd: regression discontinuity estimates of the effects of an online review database. The Economic Journal, 2012.
2. Chen, Y. User-generated physician ratings: evidence from Yelp. Job market paper, Stanford University, 2018.
3. Conselho Federal de Medicina. Resolução CFM nº 2.336/2023, que dispõe sobre publicidade e propaganda médicas. Diário Oficial da União, 2023.
4. Emmert, M.; McLennan, S. One decade of online patient feedback: longitudinal analysis of data from a German physician rating website. Journal of Medical Internet Research, 2021.
5. Luca, M. Reviews, reputation, and revenue: the case of Yelp.com. Harvard Business School Working Paper 12-016, 2011.
6. Luca, M.; Zervas, G. Fake it till you make it: reputation, competition, and Yelp review fraud. Management Science, 2016.
7. Machado, B. F. H.; Terres, M. da S.; Basso, K. A influência do boca-a-boca por avaliações online na construção da confiança do paciente no médico. ReMark, Revista Brasileira de Marketing, 2022.
8. Mayzlin, D.; Dover, Y.; Chevalier, J. Promotional reviews: an empirical investigation of online review manipulation. NBER Working Paper 18340, 2012.
9. Werner, R. M.; Konetzka, R. T.; Polsky, D. Changes in consumer demand following public reporting of summary quality ratings: an evaluation in nursing homes. Health Services Research, 2016.