Luana Godoi
💻 Product Manager no iFood
Como estamos aprendendo a tornar as avaliações mais confiáveis para toda a plataforma.
Aloha! Eu sou Luana Godoi, Product Manager no iFood, onde trabalho há 9 meses — mas, na verdade, já faz um tempão que saí do período gestacional. 😛
O meu desafio no iFood desde o início tem sido cuidar das Avaliações, com foco maior na experiência dos Restaurantes. Para entendermos melhor esse desafio, um primeiro passo foi dado: o Product Discovery.
Através de muitas pesquisas, identificamos diversas dores. Uma das mais citadas pelos usuários foi: “o sistema de avaliação do iFood não é justo”. Mas será que é fácil resolver essa dor, considerando que o conceito de justiça é relativo e amplo?
A importância da avaliação
A avaliação é um recurso disponibilizado pelo iFood para coletar as opiniões dos usuários que passaram por experiências reais de pedido e, assim, fornecer feedbacks úteis e construtivos aos estabelecimentos parceiros, promovendo uma forma justa e confiável do uso da plataforma.
A avaliação é importante pois:
- Impacta a experiência do consumidor e seus critérios de escolha;
- Impacta a experiência do restaurante na melhoria e valorização de seu serviço e produtos;
- É um dos fatores na composição de índices e ranking de restaurantes na plataforma.
Portanto, é fundamental olharmos com carinho e melhorarmos constantemente o nosso sistema para torná-lo o mais justo e confiável possível.
Avaliando (e investigando) nosso problema
Foco no problema! Mergulhamos então sobre os problemas mais citados pelos restaurantes relacionados à justiça. Um dos mais frequentes: “há muitas avaliações falsas que prejudicam o meu estabelecimento”.
Para entender as avaliações falsas, passamos a outro passo: devorar dados! Precisávamos identificar padrões para nos ajudar na definição do conceito de avaliações falsas e para pensar nas tratativas para o problema.
Além de olhar dados internos, também fizemos um benchmarking para descobrir como os principais players que utilizam avaliações tratam esse problema. E fomos atrás do maior site de reviews do mundo. Já adivinhou?
Pois bem, o TripAdvisor é o maior site de recomendação do mundo, com mais de 600 milhões de usuários. De acordo com o Oxford Economics Study de 2017, ele influenciou US$ 546 bilhões (10,3%) de todo o turismo global gasto no setor de viagens e hotelaria do ano.
No TripAdvisor a recomendação de restaurante é tão frequente quanto indicação de passeios e hotéis. Então nós aprendemos com os conteúdos sobre inteligência para identificar fraudes do TripAdvisor e bingo!
Definindo uma solução
Chegamos à nossa solução própria, que foi composta por três partes:
1. Definimos o conceito de avaliação falsa
Passamos a considerar como falsas as avaliações que não correspondem a experiências reais dos clientes no estabelecimento em questão. Geralmente, as avaliações falsas se dividem em duas categorias:
Alavancagem: avaliações positivas que não são originadas de experiências reais, criadas somente para benefício do próprio estabelecimento.
Vandalismo: avaliações negativas que não são originadas de experiências reais, criadas somente para prejudicar a nota de um estabelecimento.
2. Criamos uma Política de Avaliações
Com regras e diretrizes definidas, disponibilizamos no Portal do Parceiro — a plataforma onde os restaurantes encontram o que precisam — a nova Política de Avaliações com tudo que é aceito ou não e possibilidade de penalidades.
Essa Política foi criada para garantir que as avaliações tenham a maior relevância e utilidade possível.
3. Criamos um modelo de regras automatizado
Agora, quando uma avaliação é cadastrada no iFood, nossa inteligência é acionada e identifica através das diversas regras automáticas se ela é uma avaliação falsa ou não e, assim, decide se ela deve ser publicada.
Um novo cenário
Essas iniciativas reduziram em 60% as avaliações fake do iFood e impactaram positivamente a satisfação e a redução de denúncias por restaurantes. Elas foram um trabalho em conjunto entre times de produto, tecnologia, design, data science, fraude, operação e jurídico. ❤
Mas isso é só o começo, ainda temos muito a fazer! O nosso time operacional e de fraude ainda ajuda (e muito!) na identificação de avaliações falsas, além das denúncias que ainda recebemos dos restaurantes, e nos ajudam a evoluir com as regras, que dependem de uma constante calibração.
Ou seja, continuamos acompanhando o que está certo e o que está errado. Isto é mandatório para melhorar cada vez mais a acurácia do que entendemos como fraude e então chegarmos na utilização de machine learning.
Espero que tenham gostado!
