Como o Google Realmente Calcula Sua Classificação por Estrelas (Não é uma Média Simples)

Uma análise da matemática bayesiana, ponderação por recenticidade e pontuação de confiança que determina sua classificação exibida, completa com as fórmulas reais e exemplos práticos.

A maioria dos empresários aprende esta lição da maneira mais difícil. Você pode obter vinte avaliações perfeitas de cinco estrelas seguidas e ver sua classificação no Google mal se mover. Ou talvez você trabalhe por meses, finalmente chegue a 50 avaliações e descubra que sua média de 4.8 aparece como 4.3 no mapa. O sistema não está quebrado. Ele está funcionando exatamente como foi construído. Você apenas não foi informado de como ele foi construído.

O Google nunca divulgou oficialmente seu algoritmo de classificação. No entanto, sua mecânica é amplamente compreendida. Isso se deve à documentação pública do IMDB de sua própria fórmula bayesiana, às notas da Algolia sobre classificação, à pesquisa universitária sobre plataformas de avaliação e a anos de profissionais que fizeram engenharia reversa do que veem. Este artigo apresenta a matemática, usando números reais.

Primeiro, vamos definir uma média simples e ver por que é uma ferramenta inadequada para este trabalho. A média aritmética é a soma de todas as classificações dividida pelo número de classificações. Se você tem três avaliações (5, 4 e 5), sua média é (5+4+5)/3, ou 4.67. Isso é aritmeticamente correto. Mas para classificar milhares de negócios uns contra os outros, é estatisticamente enganoso.

Os problemas com este método se multiplicam em grande escala. Um café que abriu esta semana com três avaliações brilhantes dos amigos do proprietário teria uma classificação mais alta do que um concorrente de longa data com uma média de 4.4 de 200 avaliações. O negócio estabelecido é um sinal de qualidade muito mais confiável. Qualquer sistema que permita este tipo de resultado pode ser manipulado até a inutilidade em pouco tempo.

Como o cálculo da classificação por estrelas do Google funciona na prática

Uma classificação bayesiana é uma média ponderada pela confiança. Com apenas um punhado de avaliações, o sistema não tem dados suficientes para confiar em sua pontuação. Então, ele mistura sua média bruta com um 'prior' – uma pontuação padrão baseada em todos os negócios como o seu. À medida que você coleta mais avaliações, o sistema deposita mais fé em seus próprios dados, e a influência do prior diminui.

O IMDB usa este método exato para sua lista dos 250 melhores filmes e publicou a fórmula: WR = (v/(v+m)) × R + (m/(v+m)) × C. As variáveis são diretas, mas seus efeitos no comportamento podem ser surpreendentes. A mesma matemática aparece nos guias de classificação de pesquisa da Algolia, em artigos acadêmicos sobre sistemas de classificação e no trabalho de SEOs que estudaram o comportamento de pesquisa local do Google.

A equação WR = (v/(v+m)) × R + (m/(v+m)) × C calcula uma mistura ponderada de dois números: a pontuação média observada do seu negócio (R) e a média para toda a sua categoria (C). Os pesos são definidos por quantas avaliações você tem (v) em comparação com um número mínimo de credibilidade (m).

Observe os dois fatores de ponderação: (v/(v+m)) e (m/(v+m)). Eles sempre somam 1.0. Isso significa que você está sempre misturando seus próprios dados com o prior. A única coisa que muda são as proporções. Quando v é pequeno em comparação com m, o prior tem mais influência. Quando v é grande em comparação com m, suas próprias avaliações têm mais influência.

WR = (v / (v + m)) × R + (m / (v + m)) × C

O valor limite, m, é o número que define o padrão de confiança da plataforma. Para sua lista dos 250 melhores, o IMDB usa um m de cerca de 25.000 votos. Uma cafeteria local no Google não está na mesma liga que o filme Avatar, então seu m é muito menor. Os profissionais estimam que para listagens locais do Google, m geralmente está entre 5 e 50, dependendo da categoria de negócio e do mercado.

A média da categoria, C, é a variável mais negligenciada aqui. Não é um único número global. O Google quase certamente calcula C em tempo real para cada categoria e cidade, e talvez até para cada consulta de pesquisa. Um dentista em Chicago é medido contra outros dentistas de Chicago, não contra pizzarias em áreas rurais do Texas. O piso da sua pontuação é, portanto, específico para sua categoria.

Por que a fórmula de classificação por estrelas ponderada é importante para o seu SEO

A consequência no mundo real é que suas primeiras 50 avaliações são muito mais importantes do que as avaliações de 51 a 150. Qualquer avaliação que você obtém abaixo do limite de credibilidade m cria uma grande mudança no coeficiente (v/(v+m)). Mover de v=5 para v=10 dobra seu peso de confiança. Mover de v=150 para v=155 cria uma mudança que é difícil até de medir.

Essa matemática explica um padrão estranho que os SEOs veem o tempo todo: um negócio cresce de 3 avaliações para 30 e vê sua classificação exibida cair de 5.0 para 4.6, mesmo que todas as novas avaliações fossem boas. O cálculo está correto. A pontuação inicial de 5.0 era uma ilusão bayesiana. O 4.6 é a primeira estimativa real de qualidade.

Vamos analisar dois exemplos. Usaremos uma média de categoria realista de C = 4.1 e um limite mínimo de m = 50. Estas são estimativas justas para uma categoria de serviço com concorrência moderada, como encanamento, odontologia ou serviço automotivo. Você pode substituir seus próprios números para modelar sua situação.

O Negócio A tem uma pontuação bruta perfeita; cada cliente deixou 5 estrelas. Mas com apenas 3 avaliações, a fórmula dá aos seus próprios dados apenas um peso de 5.7%. Os outros 94.3% de sua pontuação exibida são derivados da média da categoria de 4.1. O resultado é 4.15, não o 5.0 que parece ter conquistado.

O Negócio B tem uma média bruta menor de 4.6, com algumas avaliações de 3 e 4 estrelas. Mas suas 120 avaliações significam que a fórmula dá aos seus próprios dados um peso de 70.6%. Sua pontuação exibida de 4.45 está muito mais próxima de seu desempenho real. O algoritmo do Google o classificará acima do Negócio A. Volume compra credibilidade. Credibilidade compra classificação.

O gráfico abaixo usa a fórmula para seis cenários diferentes, com C = 4.1 e m = 50. A coluna 'Delta' revela o quão distante a pontuação Bayesiana está da média simples. Veja como essa lacuna se fecha à medida que a contagem de avaliações aumenta? Essa é a influência do prior diminuindo à medida que mais evidências chegam.

A linha mais reveladora é a última. Um negócio com apenas 5 avaliações e uma média bruta desanimadora de 2.0 ainda mostra uma pontuação de 3.85. Ele é puxado para cima em quase duas estrelas inteiras pela média da categoria. Isso é intencional. O sistema não arruinará um negócio com base em apenas cinco pontos de dados. Ele aposta na média até que o tamanho da amostra seja grande o suficiente para ser confiável.

Este efeito de amortecimento para outliers negativos é o motivo pelo qual o bombardeio de avaliações — uma campanha deliberada de avaliações falsas de 1 estrela — é menos prejudicial do que parece inicialmente. O algoritmo combate resultados extremos se a contagem de avaliações for muito baixa para suportá-los. Além disso, os sistemas do Google são construídos para detectar e sinalizar campanhas de avaliações de alta velocidade de qualquer tipo, positivas ou negativas, o que viola a política da plataforma.

A fórmula bayesiana fornece a base, mas o sistema real do Google tem pelo menos mais três componentes: decaimento por recenticidade, confiança do contribuinte e amortecimento para picos súbitos de velocidade. O Google não confirmou estes. Todos são deduzidos da observação do comportamento do sistema e da análise de patentes.

A fórmula bayesiana base é o ponto de partida. As outras camadas tornam a pontuação final mais difícil de manipular e mais precisa no momento presente. O objetivo é sempre o mesmo: mostrar uma classificação que reflita o que um cliente pode esperar se visitar hoje.

Ponderação por recenticidade: por que os últimos 90 dias são dominantes

O Google aplica um fator de decaimento temporal às avaliações, valorizando o feedback recente mais do que o feedback antigo. Isso funciona como uma função de decaimento exponencial: o poder de uma avaliação diminui com o tempo em vez de cair abruptamente em uma data específica.^[1]

A análise do sistema de classificação do Google pela comunidade de SEO mostra que avaliações com mais de 12 a 18 meses têm cerca de 30 a 50% menos impacto do que uma avaliação da semana passada. Uma avaliação de 5 estrelas de três anos atrás ainda conta, mas conta menos. Isso significa que um negócio que obteve 80 avaliações em 2022, mas nenhuma desde então, está operando com um sinal em declínio.

w(t) = exp(-λ × Δt)

where:
  Δt = days since review was posted
  λ  = decay constant (estimated ~0.003–0.008 for Google)
  w(t) = weight applied to that review in the running average

Confiança do contribuinte: por que uma avaliação de um Guia Local Nível 7 conta mais

O sistema de confiança do Google para avaliadores pode ser inferido de suas patentes e da observação de como as classificações mudam. A patente US8818995B1 descreve um sistema de classificação de pesquisa que pondera as entradas com base no nível de confiança da fonte. Para avaliações, isso significa que um Guia Local Nível 7 com um histórico de centenas de avaliações detalhadas é uma fonte de alta confiança.^[2]

O efeito no mundo real é que uma avaliação de 5 estrelas de um Guia Local Nível 7 provavelmente tem mais peso do que uma avaliação de 5 estrelas de uma nova conta sem histórico. Isso não se trata do valor da estrela em si; ambas são um '5' no cálculo. Mas o peso aplicado a cada uma antes da média é diferente. O Google nunca declarou o quão grande é essa diferença.

Amortecimento de anomalias: o que acontece se 40 avaliações aparecerem em uma semana

Picos de velocidade acionam um sistema de detecção separado. Se um negócio que normalmente recebe 2-3 avaliações por mês de repente recebe 40 em 72 horas, o sistema do Google sinaliza o padrão. Isso não leva à exclusão automática, mas a uma quarentena. As novas avaliações não aparecem na contagem pública ou na classificação enquanto o sistema investiga.^[3]

Este mecanismo explica por que as empresas que compram avaliações muitas vezes não veem nenhuma mudança, ou até veem suas classificações caírem, pois as avaliações antigas e reais permanecem visíveis enquanto as novas falsificações são mantidas em suspenso. Essa prática viola as políticas do Google e é ilegal nos EUA sob as regras da FTC. O algoritmo é construído para desconfiar de mudanças súbitas que não correspondem ao padrão estabelecido de um negócio.

Aqui estão dois cenários modelados em casos do mundo real. Não são ficções; esses padrões aparecem repetidamente em relatórios de profissionais de gerenciamento de reputação.

O exemplo do dentista mostra a principal lição da classificação bayesiana: uma média bruta mais baixa com alta confiança é melhor do que uma média bruta alta com baixa confiança. A pontuação exibida caiu (de um teórico 4.9 para um visível 4.58), mas sua classificação de pesquisa subiu porque o peso de confiança agora era sólido.

O exemplo do pico do restaurante mostra por que um ritmo natural é importante. Os sistemas do Google são projetados para detectar velocidade não natural. Quarenta avaliações em uma semana, depois dois meses sem avaliações, não apenas parece suspeito. A contagem efetiva amortecida significa que você pagou por nada. A matemática pune isso duas vezes: a detecção de anomalias diminui a contagem visível, e o decaimento por recenticidade significa que as avaliações do pico começam a desaparecer quase imediatamente.

A média bayesiana não é o único método estatístico sólido. O artigo de Evan Miller de 2009 'How Not to Sort by Average Rating' tornou outro método famoso: o limite inferior de um intervalo de confiança do score de Wilson. O Reddit o usa para classificar comentários. O Yelp usa uma versão dele.

score = ( p̂ + z²/2n - z√(p̂(1-p̂)/n + z²/4n²) ) / ( 1 + z²/n )

where:
  p̂  = observed positive proportion (e.g. 4+5 star / total)
  n   = total number of ratings
  z   = 1.96  (for 95% confidence interval)
  score = lower-bound of the true positive rate

O score de Wilson responde a uma pergunta diferente da média bayesiana. Em vez de perguntar: 'Como devo misturar meus dados com um prior?', ele pergunta: 'Dadas minhas classificações atuais, qual é a menor qualidade real que eu poderia ter com 95% de confiança?' Isso fornece uma pontuação conservadora que penaliza a incerteza ainda mais pesadamente do que a média bayesiana em contagens de avaliações muito baixas.

Um terceiro método, o modelo Dirichlet-Multinomial, trata cada um dos cinco valores de estrelas como um balde separado, não uma única linha contínua. O District Data Labs documentou isso para sistemas multi-estrelas. É mais rigoroso matematicamente do que a fórmula do IMDB (que trata as estrelas como lineares), mas também é mais difícil de calcular. Na prática, a diferença entre uma média bayesiana e um modelo de Dirichlet é minúscula quando você tem mais de cerca de 30 avaliações.

Quando você entende a matemática, o conselho vago de 'obter mais avaliações' se torna um plano mensurável. Todo negócio está em algum lugar na curva v/(v+m). Conhecer sua posição informa o quanto sua próxima avaliação realmente mudará sua pontuação.

Se v = 8 e m = 50, uma nova avaliação de 5 estrelas move seu peso de confiança de 8/58 (0.138) para 9/59 (0.153). Isso é um salto significativo de 1.5 ponto percentual. Se v = 300 e m = 50, essa mesma avaliação o move de 300/350 (0.857) para 301/351 (0.858), uma mudança quase invisível. O volume no início tem dez vezes o poder matemático do volume em escala.

Como calcular uma classificação média ponderada por estrelas para o seu próprio negócio

Você pode executar esta fórmula em uma planilha. Use sua contagem atual de avaliações para v. Para estimar m para sua categoria, observe as contagens de avaliações dos três principais negócios em sua categoria no Google Maps; o 25º percentil desse grupo é uma boa estimativa para m. Sua classificação exibida atual é provavelmente o resultado WR; sua média simples é a soma das estrelas dividida pela contagem.

O número que realmente importa é o efeito das próximas N avaliações. Modele-o. Adicione 10 a v, recalcule WR e veja o quanto ele muda. Faça isso para uma variedade de valores de v para mapear uma curva de sensibilidade. A parte mais íngreme dessa curva é onde uma nova avaliação tem o maior impacto; é aí que você deve concentrar seus esforços.

Por que a recenticidade torna a velocidade das avaliações mais importante do que a contagem total

Uma vez que você compreende o decaimento por recenticidade, seu objetivo muda. Não se trata apenas do número total de avaliações, mas de como esse número está distribuído ao longo do tempo. Um negócio com 400 avaliações de cinco anos atrás, mas nada nos últimos 18 meses, está trabalhando com uma amostra efetiva menor do que sua contagem total sugere. As avaliações decaídas contribuem menos para a média ponderada.

Um fluxo constante de avaliações, mesmo que pequeno, acumula seus benefícios de maneiras que um único pico não consegue. Obter oito novas avaliações por mês durante um ano leva a uma pontuação mais estável e de classificação mais alta do que obter 96 avaliações em um único mês em quase todas as medidas: confiança bayesiana, eliminação da detecção de anomalias, trajetória de decaimento por recenticidade e quão credível você parece para os clientes.