Ratings e reviews em marketplace sem manipulação

Avaliações falsas são o câncer silencioso de qualquer marketplace. Elas não aparecem no monitoramento técnico, não geram alertas de sistema e levam tempo para afetar métricas de negócio — mas quando o estrago está feito, a confiança que levou anos para construir desmorona em semanas. A Amazon perdeu bilhões em GMV no segmento de eletrônicos quando ficou evidente a manipulação de reviews por vendedores chineses. O Mercado Livre investe em moderação contínua justamente porque sabe que a credibilidade do sistema de avaliações é parte do produto.

Construir um sistema de reviews confiável não é apenas uma questão técnica. É uma decisão de produto que define regras claras sobre quem pode avaliar, o que pode ser dito, como o conteúdo é moderado e como as avaliações influenciam o posicionamento de vendedores e produtos. Essas decisões precisam ser feitas antes de qualquer implementação.

Verificação de Compra: Só Quem Comprou Avalia

A regra mais importante de qualquer sistema de reviews é também a mais simples: apenas compradores verificados podem avaliar. "Verificado" significa que houve uma transação concluída entre aquele usuário e aquele vendedor ou produto.

A implementação técnica precisa ser robusta o suficiente para resistir a tentativas de bypass:

// Verificação antes de aceitar uma avaliação
async function canUserReviewProduct(
  userId: string,
  productId: string,
  sellerId: string
): Promise<{ allowed: boolean; reason?: string }> {
  // 1. Verificar se existe pedido concluído
  const completedOrder = await db.orderItems.findFirst({
    where: {
      order: {
        buyerId: userId,
        status: { in: ['delivered', 'completed'] },
      },
      productId,
      sellerId,
    },
    include: { order: true },
  });

  if (!completedOrder) {
    return { allowed: false, reason: 'NO_COMPLETED_PURCHASE' };
  }

  // 2. Verificar se já avaliou este item
  const existingReview = await db.reviews.findFirst({
    where: { userId, orderItemId: completedOrder.id },
  });

  if (existingReview) {
    return { allowed: false, reason: 'ALREADY_REVIEWED' };
  }

  // 3. Verificar período mínimo após entrega (evitar reviews imediatos de bots)
  const deliveredAt = completedOrder.order.deliveredAt;
  const minimumWait = 2 * 60 * 60 * 1000; // 2 horas em ms
  if (Date.now() - deliveredAt.getTime() < minimumWait) {
    return { allowed: false, reason: 'TOO_SOON' };
  }

  // 4. Verificar período máximo (reviews muito tardios são suspeitos)
  const maximumPeriod = 90 * 24 * 60 * 60 * 1000; // 90 dias em ms
  if (Date.now() - deliveredAt.getTime() > maximumPeriod) {
    return { allowed: false, reason: 'EXPIRED' };
  }

  return { allowed: true };
}

A verificação de período mínimo (2 horas) evita bots que tentam avaliar imediatamente após a marcação de entrega. O período máximo (90 dias) evita que avaliações muito tardias — que são incomuns organicamente — sejam usadas para manipulação.

O convite para avaliação deve ser proativo. E-mails automáticos enviados 3 a 5 dias após a entrega geram taxas de resposta significativamente maiores do que esperar que o comprador lembre de avaliar por conta própria.

Moderação Automática e Humana

Nem toda avaliação publicada é válida. Conteúdo ofensivo, spam, informações pessoais, ameaças e desinformação precisam ser detectados e removidos. A moderação eficaz combina filtros automáticos com revisão humana para os casos de borda.

Moderação automática — aprovação imediata:

• Texto sem palavras bloqueadas
• Score de sentimento neutro ou positivo
• Sem links ou e-mails no texto
• Sem padrões de spam (texto repetido, caracteres excessivos)
• Usuário sem histórico de violações

Moderação automática — fila de revisão:

• Palavras potencialmente ofensivas (lista configurável)
• Avaliação 1 estrela com texto curto (< 20 caracteres)
• Score de sentimento muito negativo com indicadores de emoção alta
• Link detectado no texto
• Usuário com histórico de violações anteriores

Moderação humana obrigatória:

• Conteúdo denunciado por outros usuários
• Avaliações de usuários recém-cadastrados para produtos de alto valor
• Avaliações em produtos com spike recente de volume (indicador de manipulação)

A tabela de tipos de conteúdo e suas ações padrão é útil para documentar a política internamente:

Tipo de conteúdo	Ação padrão	Revisão humana?
Linguagem ofensiva	Remover, notificar autor	Não (automático)
Menção a concorrente	Fila de revisão	Sim
Informação pessoal	Remover automaticamente	Sim
Suspeita de fabricação	Ocultar, investigar	Sim
Spam detectado	Remover, bloquear conta	Não
Review incoerente com produto	Fila de revisão	Sim

É importante comunicar aos usuários quando uma avaliação é removida e por quê. Transparência no processo de moderação reduz a percepção de arbitrariedade e aumenta a confiança no sistema.

Algoritmo de Ranking: Mais do que Média Simples

A média aritmética de estrelas é a forma mais ingênua de calcular a reputação de um produto ou vendedor. Um produto com 4 avaliações de 5 estrelas tem média 5,0 — mas statistically não é mais confiável do que um produto com 200 avaliações e média 4,7.

O algoritmo de Wilson Score é amplamente usado para rankings que precisam ser confiáveis com volumes variados de avaliações:

// Wilson Score Interval para rankings confiáveis
function wilsonScore(positiveRatings: number, totalRatings: number): number {
  if (totalRatings === 0) return 0;

  const z = 1.96; // 95% de confiança
  const p = positiveRatings / totalRatings;
  const n = totalRatings;

  const numerator = p + (z * z) / (2 * n) - z * Math.sqrt((p * (1 - p) + (z * z) / (4 * n)) / n);
  const denominator = 1 + (z * z) / n;

  return numerator / denominator;
}

// Uso: definir "positivo" como 4+ estrelas
function calculateProductScore(reviews: Review[]): number {
  const total = reviews.length;
  const positive = reviews.filter(r => r.rating >= 4).length;
  return wilsonScore(positive, total);
}

Além do Wilson Score, outros fatores que devem influenciar o ranking:

Recência: avaliações recentes pesam mais que avaliações antigas. Um produto com 50 reviews de 4,5 estrelas nos últimos 3 meses é mais relevante do que um com 200 reviews de 4,8 estrelas de 2 anos atrás.

Utilidade: avaliações marcadas como "útil" por outros compradores devem ter peso maior. Reviews detalhados com fotos do produto recebem mais marcações de utilidade e refletem melhor a experiência real.

Verificação da compra: reviews de compradores verificados têm peso maior do que reviews de não-compradores (se você permitir avaliações externas, o que é discutível).

Resposta do Vendedor: UX e Impacto no Comprador

A capacidade do vendedor de responder publicamente a avaliações — positivas ou negativas — é um dos elementos mais subestimados em sistemas de reviews. Estudos da Harvard Business Review mostram que vendedores que respondem consistentemente a avaliações negativas têm índice de recompra 30% maior do que os que ignoram.

A UX da resposta do vendedor precisa de atenção especial:

O vendedor deve ser notificado de novas avaliações por e-mail (com link direto para responder). No painel, a fila de avaliações sem resposta deve ser visível e destacada. O prazo para resposta deve ser razoável — 72 horas é um bom padrão.

Do lado do comprador, a resposta do vendedor aparece abaixo da avaliação original, claramente identificada como "Resposta do vendedor". Isso não é uma discussão — o vendedor responde uma vez e o comprador não pode continuar o thread (evita conflitos públicos que degradam a experiência).

Uma boa resposta a avaliação negativa segue a estrutura: agradecimento pelo feedback → reconhecimento do problema específico → solução oferecida ou ação tomada → convite para contato direto. Respostas defensivas ou que culpam o comprador fazem mais dano do que não responder.

Avaliações com resposta do vendedor devem aparecer com destaque levemente diferente na listagem — um indicador visual de que o vendedor está ativo e engajado aumenta a confiança de novos compradores.

Conclusão com CTA

Um sistema de reviews bem implementado é um ativo competitivo duradouro. Ele aumenta a confiança de novos compradores, cria incentivo para vendedores manterem qualidade e gera dados valiosos sobre os pontos fortes e fracos de cada produto e categoria.

Mas sistemas mal projetados — com manipulação fácil, moderação inexistente ou ranking ingênuo — causam dano proporcional. Compradores experientes identificam reviews falsos rapidamente, e uma vez que a reputação do sistema é questionada, é muito difícil recuperá-la.

O SystemForge suporta a especificação detalhada de funcionalidades como essa ainda na fase de documentação, com User Stories que cobrem os fluxos de moderação, os algoritmos de ranking e os edge cases que costumam aparecer apenas em produção. Isso garante que o sistema seja construído corretamente desde a primeira versão.