Publicidade
Os sistemas de classificação, parte fundamental da economia de plataforma, têm um impacto profundo no comportamento e nas escolhas humanas. Plataformas como Uber (UBER), Airbnb (AIRB34), Turo e Upwork os utilizam não apenas como reflexos do desempenho passado, mas também como ferramentas proativas para assegurar a qualidade e incentivar condutas adequadas em ambas as partes de uma transação.
Os provedores de plataformas geralmente apresentam informações de classificação ao usuário de duas maneiras. Sistemas de classificação incremental, utilizados por plataformas como TaskRabbit e Airbnb, fornecem uma visão detalhada, listando e, frequentemente, oferecendo insights sobre cada pontuação de avaliação individual. Por outro lado, os sistemas de classificação média, empregados por plataformas como Uber, Lyft e DoorDash, apresentam uma pontuação geral que agrega todas as classificações individuais.
Realizamos nove experimentos para nosso próximo estudo no Journal of Marketing Research, que demonstram como a maneira pela qual classificações baixas são comunicadas molda a experiência e o comportamento do usuário.
Continua depois da publicidade
Sistemas de classificação incremental destacam pontuações baixas e promovem uma melhoria rápida do desempenho
Na economia de plataforma, é essencial identificar e resolver rapidamente os problemas de serviço. Considere uma plataforma de compartilhamento de viagens como a Lyft. Se um motorista receber classificações baixas, um sistema de classificação incremental tornaria essas pontuações mais visíveis, sinalizando tanto para o motorista quanto para a plataforma a necessidade de melhoria ou até mesmo possível desativação. Essa abordagem é crucial não apenas para manter os padrões de qualidade, mas também para garantir a segurança e a satisfação dos passageiros.
Pontuações incrementais permitem que os provedores superem os contratempos
Para provedores de serviços em plataformas como o Airbnb, que podem ter tido um começo difícil ou algumas avaliações ruins, um sistema incremental pode ser mais tolerante. À medida que fizerem melhorias, essas mudanças positivas serão mais imediatamente visíveis em suas classificações mais recentes. Essa abordagem proporciona um caminho mais ágil para superar contratempos passados, sendo crucial para anfitriões que desejam reconstruir sua reputação e atrair mais hóspedes.
Sistemas incrementais podem amplificar significativamente classificações negativas.
Ao destacar cada pontuação baixa, os sistemas incrementais podem amplificar muito o impacto negativo dessas classificações nos provedores de serviços. Essa maior visibilidade do feedback negativo não apenas afeta a autopercepção da pessoa, mas também pode intensificar o desejo de se afastar da plataforma.
Continua depois da publicidade
Sistemas de classificação média ajudam a suavizar o impacto das pontuações baixas, contribuindo para a retenção e a fidelidade dos usuários
Considere um motorista de entrega de uma plataforma como a DoorDash que enfrenta um dia incomum de atrasos devido ao trânsito ou problemas com pedidos. Embora isso possa resultar em algumas classificações baixas, a média dessas pontuações em diversas entregas coloca essa anomalia dentro do contexto maior de seu desempenho geral. Ao mostrar que um dia ruim não alterará drasticamente sua classificação, a plataforma promove um senso de lealdade e incentiva os provedores de serviços a permanecerem comprometidos.
Sistemas de classificação média obscurecem classificações baixas
Descobrimos que as pessoas não conseguem estimar suas pontuações quando veem apenas uma pontuação média. Considere um motorista que foi avaliado com relação a três viagens no total: dois dos passageiros deram a eles uma classificação de cinco estrelas, enquanto o terceiro deu a eles uma classificação de uma estrela. Nossa pesquisa sugere que esse motorista provavelmente estimaria sua classificação mais recente como significativamente mais alta se recebesse uma classificação média de 3,67.
A escolha entre empregar sistemas de pontuação incremental e média tem grande impacto na forma como os usuários reagem a classificações baixas. Embora plataformas estabelecidas possam achar desafiador mudar seus formatos de classificação devido ao seu longo histórico, novas plataformas podem selecionar e personalizar cuidadosamente seus sistemas de classificação.
