Prova social — sinais de que outras pessoas já escolheram o produto — aumenta a frequência e a posição com que modelos de linguagem recomendam um item, segundo o estudo Bias Beware, da EMNLP 2025. Escassez e exclusividade, ao contrário do que a intuição de varejo sugere, reduziram a visibilidade do produto.
O que o estudo Bias Beware testou?
Os autores trataram vieses cognitivos como estratégias adversariais de caixa-preta. Em vez de mexer no modelo, eles alteraram a descrição do produto para embutir um gatilho humano de compra e mediram o efeito em duas coisas: a taxa de recomendação e o ranking. Os gatilhos foram três: prova social, escassez e exclusividade. Os modelos avaliados cobrem várias escalas, segundo o resumo do trabalho.
O resultado, nas palavras do resumo, é incômodo. A prova social aumentou de forma consistente a recomendação e a posição. Escassez e exclusividade, "surpreendentemente", diminuíram a visibilidade. E os autores concluem que esses vieses estão profundamente embutidos em modelos de ponta, com comportamento imprevisível e difícil de mitigar.
Uma ressalva de método: o resumo que lemos não traz tamanhos de efeito nem lista os modelos. Por isso, tratamos o estudo como direção, não como tabela de conversão. Quem promete "+X% de recomendação com prova social" está inventando o X.
Por que a prova social funciona numa IA?
Imagine um balconista que nunca entrou na sua loja. Ele só leu as etiquetas. Quando duas etiquetas descrevem produtos parecidos, a que traz um sinal de que muita gente já escolheu aquele item parece mais segura de repassar. Modelos de linguagem aprenderam, em bilhões de textos, que "muito avaliado" costuma acompanhar "boa escolha". É um atalho estatístico, e atalhos são exatamente o que um viés cognitivo é.
Essa é a nossa leitura, não uma conclusão do artigo. O que o artigo mostra é o efeito; o mecanismo é hipótese. Por isso, trate-a como ponto de partida para o seu próprio teste, não como fato estabelecido.
Por que escassez e exclusividade saem pela culatra?
Aqui o varejo humano e a IA se separam. "Últimas unidades" e "edição exclusiva" funcionam com uma pessoa porque ela sente urgência. Um modelo não sente urgência. Ele lê uma afirmação que não consegue verificar, escrita no tom de propaganda. Nossa hipótese: o texto promocional vira ruído, ou até sinal de que a descrição é publicidade em vez de informação. O estudo não explica o motivo, e dizê-lo seria especular além da fonte.
Há ainda um detalhe prático para eletrônicos. "Exclusivo" pode significar uma variante que só existe em um canal. Se a IA recomenda o item e o comprador não o encontra, a recomendação falhou duas vezes. Veja como as variantes quebram a entidade do produto em Entidade de produto: o que é e como variantes a quebram.
O que isso muda na página de produto?
Compare dois trechos de um exemplo fictício, o notebook Aurora Pro 14 (exemplo ilustrativo, sem dado real):
- Versão pressão: "Últimas unidades! Edição exclusiva! Corra!"
- Versão evidência: "Nota 4,6 em 1.280 avaliações verificadas, com 212 comentários sobre bateria. Disponível em duas cores nas lojas A e B."
A segunda versão faz o que a primeira não faz: entrega um número que pode ser conferido e um recorte do que os compradores dizem. Para a IA, isso é conteúdo citável. Para o comprador, é motivo de confiança. Mas só vale se for verdade, e é aí que entram as regras de transparência de avaliações; leia Reviews incentivados: o que a regra do Google exige e Avaliações de produto: como a IA lê reviews.
Onde fica a linha entre ajudar e manipular?
Outro trabalho que lemos, o CORE (arXiv 2602.03608), mostra o lado sombrio da mesma porta. Os autores anexam texto de otimização ao conteúdo recuperado de um produto e conseguem empurrá-lo para o topo da lista em quatro modelos. Eles testam três tipos de texto: sequências de caracteres, texto de raciocínio e texto no estilo de avaliação. As sequências de caracteres têm perplexidade altíssima, o que as torna fáceis de detectar; o texto de raciocínio e o de avaliação ficam muito mais próximos de linguagem natural.
Leia isso como um alerta, não como receita. Escrever avaliação falsa para agradar o modelo é manipulação, arrisca violar regras das plataformas e queima a confiança que a prova social deveria construir. Sobre o risco de manipulação por link, veja Envenenamento de recomendação: IA manipulada por link. Nossa regra editorial é simples: se a informação não resiste a uma checagem do comprador, ela não entra na página.
Como medir se mudou alguma coisa?
Mudou ou foi sorte? Respostas de IA variam por modelo, prompt e dia. Por isso, qualquer teste de "antes e depois" precisa de várias rodadas e de um intervalo de confiança, como explicamos em Margem de erro em IA: quantas rodadas medir.
O diagnóstico gratuito da Citoriq é uma análise experimental via API e não replica a interface de consumidor do ChatGPT. Além disso, uma página legível e bem estruturada não é o mesmo que ser recomendada pela IA. Use a medição para formar hipóteses e conferir direção, nunca para prometer posição. Veja a metodologia.
O que levar daqui
- Prova social verificável (nota, volume, trechos de avaliação) tende a ajudar a recomendação; o estudo mostra direção, não tamanho do efeito.
- Gatilhos de urgência e exclusividade, eficazes com pessoas, reduziram a visibilidade nos testes do estudo.
- Escreva evidência que o comprador possa conferir, não pressão.
- Texto otimizado para enganar o modelo é manipulação e não é o que recomendamos.
- Meça com várias rodadas antes de concluir que algo funcionou.
Perguntas frequentes
A prova social vale para qualquer modelo de IA?
O estudo avaliou modelos de várias escalas e encontrou o efeito de forma consistente, mas o resumo não detalha cada modelo. Teste no seu conjunto de perguntas antes de generalizar.
Devo remover "últimas unidades" da minha página?
Nos testes do estudo, escassez reduziu a visibilidade. Se o aviso é verdadeiro e útil ao comprador, mantenha-o como informação de estoque, em formato factual, e não como slogan.
Posso comprar avaliações para melhorar a recomendação?
Não. Avaliações falsas ou incentivadas sem transparência violam regras de plataformas e tornam a prova social inútil, além de arriscar a reputação da marca.
Quer ver como a IA lê a sua página hoje? Faça o diagnóstico gratuito ou peça uma demonstração da plataforma.