Filtragem de Avaliações (Review Gating)
Filtragem de avaliações (review gating) é a prática de pré-selecionar clientes e direcionar apenas os satisfeitos para publicar uma avaliação pública, enquanto os insatisfeitos são encaminhados para um canal privado de feedback, resultando em classificações publicadas que não representam a experiência real do conjunto de compradores.
A filtragem funciona antes de qualquer avaliação chegar à internet: um e-mail ou widget pede ao cliente que avalie a experiência, e o sistema decide para onde ele vai dependendo da resposta. Quem indica satisfação recebe um link direto para o formulário de avaliação no Google ou na página de produto; quem indica insatisfação cai num formulário de suporte privado. A intenção é evidente, e esse é exatamente o problema. A prática fabrica uma classificação que não reflete a distribuição real das opiniões, e compradores, reguladores e mecanismos de busca tratam isso cada vez mais como engano, não como gestão de reputação. O que define a filtragem não é pedir avaliações no momento certo: é a construção deliberada de um caminho negativo que nunca se torna público.
Pense num lojista do Shopify que vende um kit de cerâmica artesanal para café. O e-mail pós-compra pergunta "Como foi o seu pedido?" com um rosto sorridente e um rosto triste. Quem clica no sorridente é levado a um formulário de cinco estrelas pré-preenchido na página de produto. Quem clica no triste vai para um formulário de "Nos conte o que aconteceu" que nunca se torna público. O kit tem um defeito real, um bico de bule que vaza, mas a loja exibe 4,9 estrelas em duzentas avaliações. A reclamação do bico existe numa caixa de suporte, invisível para o próximo comprador, que devolve o produto pelo mesmo motivo e deixa uma avaliação de uma estrela no Google, onde a filtragem não alcança.
Não existe zona cinzenta aqui. Plataformas como Google, Trustpilot e a maioria dos marketplaces proíbem a filtragem de avaliações de forma explícita, com consequências que vão de remoção de avaliações a suspensão de conta. Agências de proteção ao consumidor em vários países já classificaram a supressão seletiva de avaliações negativas como prática enganosa; o Código de Defesa do Consumidor brasileiro prevê padrão equivalente para práticas que induzem o consumidor a erro. A alternativa honesta é pedir avaliações a todos os compradores sem filtro, e tratar reclamações por um canal de suporte claramente separado que não decide quem tem direito a falar em público.
Existe um ângulo de busca por IA que muitos lojistas ignoram. Quando ChatGPT, Perplexity ou Google AI Overviews resumem se vale a pena comprar um produto, eles consultam o texto de avaliações espalhadas por várias fontes, não apenas o widget curado no seu site. Um catálogo filtrado tende a exibir uma classificação suspeitosamente uniforme no site enquanto o restante da internet conta uma história diferente, e esses sistemas valorizam a corroboração entre fontes. A discrepância pode ser lida como baixa confiabilidade, e os aspectos negativos que você tentou suprimir aparecem mesmo assim nos resumos que os compradores leem antes de chegar à sua loja.
O ponto mais profundo é que você não precisa esconder aspectos negativos para parecer confiável. Uma mistura de classificações parece real, e uma resposta bem pensada a uma avaliação crítica costuma convencer mais do que uma sequência de cinco estrelas. Ela também gera um registro público de como você age sob pressão, o que é, por si só, um sinal. Fazer com que as avaliações genuínas que você já tem sejam lidas, corroboradas e indexadas por mecanismos de busca e IA é o trabalho que gera retorno real, e é a lacuna que o BeyondReviews foi construído para fechar.