A reputação importa para a recomendação de IA, mas o que se sabe é menos do que se diz. No Brasil, há uma pesquisa sobre comportamento humano, vários artigos de opinião e um experimento com modelos que sugere que nota e preço pesam mais do que a resposta a reclamações. Separar essas três camadas evita decisões baseadas em palpite.
O que a pesquisa do Reclame Aqui diz?
Uma reportagem de 29 de setembro de 2026 cita levantamento do Reclame Aqui segundo o qual 64% dos consumidores ainda descartam a loja se a avaliação no site for ruim. O mesmo texto afirma que 87% pretendem usar IA na Black Friday, mas só para pesquisar, não para decidir. Esse segundo número é intenção declarada, e não uso medido.
O tamanho da amostra e a data da pesquisa não aparecem na reportagem. Tratamos os números como indício de que a reputação é um filtro humano forte, não como estimativa precisa. Note também o que a pesquisa não mede: ela fala do consumidor depois de receber uma sugestão, não do que o modelo faz ao montar a sugestão.
O que dizem os artigos de opinião?
Dois textos publicados na Mercado&Consumo, em junho e em outubro de 2026, defendem que sistemas de IA passaram a avaliar reputação de marcas e lojas. Os argumentos, resumidos:
- Reclamações públicas sem resposta alimentam a síntese da IA, e o silêncio da empresa reforça a versão negativa.
- Nomes de empresa fragmentados ou inconsistentes prejudicam a reputação.
- Autoelogio sem prova externa e sites só de venda, sem conteúdo que responda dúvidas, ajudam pouco.
- Para um dos autores, a IA tende a recomendar quem é mais encontrável, não necessariamente quem é mais competente.
São opiniões de executivos do setor, e os próprios textos não trazem pesquisa ou dado que as sustente. O artigo de junho diz que "a IA já está indicando lojas aos consumidores" sem comprovar. Um terceiro conteúdo, do Portal da Queixa, de Portugal, defende na mesma linha que resposta rápida e transparente reforça a confiança, também sem números nem metodologia.
Isso não as torna erradas. Torna-as hipóteses. E é útil enumerá-las, porque cada uma pode ser testada.
O que um experimento mediu de fato?
Imagine três testemunhas num tribunal: uma pesquisa, uma opinião e um experimento. Só a terceira foi interrogada com controle de variáveis.
Uma auditoria publicada em 2026 testou 12 modelos em escolhas entre cinco cartões sintéticos de hotel e variou, entre outros fatores, nota, volume de avaliações, recência e resposta da gestão. O resultado agregado:
- Nota: 4,7 contra 3,9 estrelas aumentou a chance de recomendação em 31,65 pontos percentuais, o maior efeito positivo.
- Volume de avaliações: 2.100 contra 45 avaliações somou 8,31 pontos.
- Recência: efeito de 1,55 ponto.
- Resposta da gestão: efeito não detectável, de 0,11 ponto, estatisticamente equivalente a zero.
Leia com cuidado. Foram hotéis, não eletrônicos; os cartões eram sintéticos, em inglês e com preços em dólar; e só se mediu a etapa de seleção entre cinco candidatos, sem busca nem recuperação de páginas. Não dá para concluir que responder reclamações é inútil. Dá para concluir que, nesse cenário, o modelo reagiu muito à nota e ao volume, e quase nada à presença de uma resposta.
O que isso sugere para eletrônicos no Brasil?
Nossa leitura, claramente separada dos dados:
- A nota é o sinal mais robusto. Ela aparece na pesquisa do Reclame Aqui, no experimento e nas opiniões. Um aparelho com defeito recorrente não se resolve com texto.
- A resposta à reclamação é um sinal humano. Para o consumidor que consulta o Reclame Aqui, ela importa. Se a IA a usa, ainda não foi demonstrado.
- O volume e a consistência importam como contexto. A nota baseada em poucas avaliações pesa menos. Veja como a IA lê esses dados em Avaliações de produto: como a IA lê reviews.
- A reclamação recorrente vira pergunta de consumidor. Se muita gente reclama de prazo de entrega ou de garantia, é provável que a dúvida apareça em perguntas no marketplace. O que as marcas esquecem nesses canais está em Perguntas no marketplace.
Um caminho prático: leia as dez últimas reclamações sobre o produto, agrupe por causa e verifique se a página do produto já responde a cada causa, com prazo, política e instruções. Isso melhora a experiência real e dá à IA um texto claro para ler. Não prometemos que melhora a recomendação.
Como medir sem se enganar?
Para saber se reputação muda o que a IA diz sobre a sua marca, é preciso comparar respostas antes e depois, com o mesmo conjunto de perguntas, e repetir. Nosso diagnóstico gratuito é uma análise experimental via API, que não replica a interface de consumo do ChatGPT, e a reputação em tempo real do Reclame Aqui pode não estar disponível a todo modelo. Resultados variam por modelo, prompt e dia. Detalhamos o raciocínio em /methodology.
Para o lado do consumidor brasileiro, veja a pesquisa discutida em Brasileiro e agentes de IA.
O que levar daqui
- A pesquisa do Reclame Aqui indica que a avaliação funciona como filtro humano, mas amostra e data não foram informadas.
- Os artigos de opinião sobre reclamações sem resposta são hipóteses, não evidências.
- No experimento com 12 modelos, a nota pesou muito, o volume pesou moderadamente e a resposta da gestão não teve efeito detectável, mas o cenário era de hotéis em inglês.
- Trate reclamações como fonte de perguntas de consumidor e conserte a causa antes de escrever sobre ela.
- Meça antes e depois, com rodadas repetidas.
Perguntas frequentes
A IA consulta o Reclame Aqui antes de recomendar uma loja?
Não encontramos fonte que demonstre isso. Os textos de opinião afirmam que sites de queixas alimentam a síntese da IA, sem apresentar dados.
Responder reclamações melhora a recomendação por IA?
Não há evidência direta. No experimento com hotéis, a resposta da gestão não teve efeito detectável, mas a resposta continua importante para o consumidor humano.
O que tem mais peso: nota ou volume de avaliações?
No experimento, a nota teve efeito bem maior que o volume. Nada garante que a proporção seja a mesma para eletrônicos no Brasil.
Quer ver como as respostas de IA falam da sua marca hoje? Rode o diagnóstico gratuito e compare com o que o seu histórico de reclamações indica.