Média Bayesiana. O que é e onde se aplica?
Atualizado: 11 de ago.
Recentemente, um cliente nos fez uma pergunta que serviu de inspiração para este artigo:
Uma nota alta obtida com poucas avaliações é mais confiável que uma nota ligeiramente menor mas com grande volume de avaliações?
Para responder a esta questão, é necessário primeiro analisar alguns detalhes.
O que é Média Bayesiana?
A Média Bayesiana é uma técnica estatística utilizada para determinar a pontuação ajustada de um item (como empresas, produtos ou filmes), considerando não apenas sua nota média, mas também o número de avaliações que recebeu. Esse método soluciona o "problema das poucas avaliações", evitando que um item com apenas uma avaliação nota 5,0 seja classificado acima de um item com nota 4,8 baseado em milhares de avaliações.
A maneira mais evidente de compreender é aplicar a Lei dos Grandes Números e o conceito de Significância Estatística. Vejamos:
Critério | Empresa A (Poucas Avaliações) | Empresa B (Alto Volume) |
Cenário Exemplo | Nota 5,0 (3 avaliações) | Nota 4,7 (1.200 avaliações) |
Margem de Erro | Extremamente alta | Mínima |
Risco de Viés | Alto (amigos, família, amostra atípica) | Baixo (diluído entre perfis diversos) |
Estabilidade | Baixa (1 nota "1" derruba a média para 4,0) | Alta (1 nota "1" quase não altera a média) |
Prova Social | Baixa confiabilidade real | Alta consistência ao longo do tempo |
Formas Práticas de Mostrar Essa Diferença
A Analogia da Moeda
Se você lançar uma moeda duas vezes e sair "cara" em ambas, a taxa de sucesso será de 100%. No entanto, se lançar 1.000 vezes e obter "cara" 550 vezes, a taxa será de 55%. A taxa de 100% não indica que a moeda é mágica, apenas que a amostra foi muito pequena.
Quem usa a Média Bayesiana?
Plataformas como IMDb, Amazon e Google não aplicam a média aritmética simples para os rankings. Elas utilizam a Média Bayesiana, incorporando um "peso fixo" de avaliações neutras para ajustar a média de empresas com poucas avaliações para um valor intermediário, até que demonstrem consistência.
O Conceito Principal: A "Crença Prévia" (Prior)
A estatística bayesiana se fundamenta no princípio de que, antes de avaliarmos um produto ou empresa, devemos adotar uma crença inicial neutra a respeito deles (o prior). Em um cenário com informações limitadas e poucas avaliações, o resultado final tende a convergir para a média geral do mercado. O sistema adota uma postura cautelosa: "Ainda não temos evidências suficientes de que esta empresa é perfeita." Já em um cenário mais robusto, com muitas informações de avaliações, o peso das avaliações reais supera a crença inicial, e a nota ponderada se aproxima da média real do produto/serviço.
Como o Google Maps realmente calcula a nota exibida?
Peso do Tempo (Recência): Avaliações feitas recentemente possuem um peso um pouco maior na nota em comparação com aquelas realizadas há 5 anos.
Filtro de Spam e Confiabilidade do Usuário: Avaliações de "Local Guides" ou de contas antigas e ativas são consideradas mais importantes do que aquelas feitas por perfis recém-criados ou suspeitos de spam.
Média Aritmética Modificada: A nota final apresentada é bastante similar à média aritmética simples, ajustada somente após a exclusão de avaliações que o filtro automatizado considera suspeitas ou irrelevantes.
Finalmente, responda à pergunta do cliente:
Uma nota alta obtida com poucas avaliações é mais confiável que uma nota ligeiramente menor mas com grande volume de avaliações?
Já não é mais confiável. Uma empresa com 500 avaliações, por exemplo, e uma nota média de 4,3 pode ser melhor avaliada do que uma empresa com nota 5,0, mas com poucas avaliações.
E a indexação como fica?
Ao determinar quem ocupa as 3 primeiras posições no mapa durante uma busca por "restaurante perto de mim", o Google não considera apenas a nota bruta. Uma empresa com nota 4.7 e 500 avaliações geralmente ficará à frente de outra com nota 5.0 e somente 3 avaliações. O volume e a consistência são fatores que impactam o ranking de relevância.
Comentários