Avaliações Google por funcionário: 3 métodos e seus limites

Três tipos de evidência mostram qual funcionário deve receber o crédito por uma avaliação do Google: o nome do funcionário no texto da avaliação, um link pessoal que o cliente usou e a reserva que o sistema registrou para esse cliente.

Para uma unidade com poucos funcionários, e quando nada depende disso, basta ler cada avaliação nova conforme ela chega. O Google avisa você de graça.

Isso deixa de ser suficiente conforme o volume, o número de unidades, a rotatividade de funcionários e os pagamentos crescem, ou quando as avaliações não citam ninguém pelo nome.

Todo método precisa de dados antes de mais nada: avaliações com datas exatas e, no caso do método de reserva, um sistema que registre quem atendeu cada cliente. Este guia mostra de onde vêm esses dados e onde cada método falha.

Qual abordagem se encaixa na sua situação

Uma planilha é só um lugar para guardar respostas, não um jeito de consegui-las. Por isso, cada linha da tabela abaixo mostra de onde vêm as avaliações e com que data.

Método 1: nomes de funcionários no texto da avaliação

Um cliente escreve "A Camille foi ótima" e você credita a Camille. É a evidência mais direta que existe, e não custa nada.

Quando essa é a escolha certa

Uma unidade, poucas avaliações por semana, nada depende disso. Leia cada avaliação assim que ela chega e anote de quem é, na hora.

O Google avisa você assim que acontece. O recurso "Atividade de clientes" envia "alerta quando os clientes deixam novas avaliações ou adicionam fotos", por email, na Pesquisa ou no Maps (Google, Gerenciar suas notificações). Para ler as avaliações, selecione Ler avaliações no seu Perfil da Empresa (Google, Gerenciar avaliações de clientes). Proprietários e gerentes podem responder às avaliações (Google, proprietários e gerentes).

Os limites são claros. Funciona apenas para o futuro, uma unidade de cada vez, e você deve estar logado como proprietário ou gerente. A data que você registra é a data em que viu a avaliação. Não há importação do histórico de avaliações com datas exatas, e uma avaliação excluída antes de você anotá-la fica invisível.

A utilidade desse método depende do seu setor. No nosso estudo com 2,7 milhões de avaliações positivas do Google, 28% citam uma pessoa pelo nome: 38% nos EUA, 13% na Europa, variando de cerca de 7% em hospitalidade a 66% em serviços residenciais nos EUA. Em 7%, cerca de uma avaliação em cada quatorze pode ser creditada pelo texto. Em 66%, cerca de duas em cada três.

Obtendo as avaliações antigas, com datas exatas

O primeiro desafio é montar a lista. Você precisa de cada avaliação, do texto completo e da data exata, para cada unidade.

O acesso segue o papel da conta do Google em cada unidade, então uma única conta de proprietário pode ler várias unidades. Se a conexão cai, todas as unidades daquela conta ficam afetadas. Para poucas avaliações, use o Google Review Date Finder. Para centenas, você precisa da API ou de uma ferramenta de exportação, como a nossa exportação de avaliações do Google, que é paga.

Por que a data exata importa

O nome diz quem. A data diz qual turno, qual reserva e qual período de pagamento. "Um ano atrás" não resolve isso, e o Google esconde a data exata na página do Maps. A associação por reserva, explicada mais abaixo, procura de 14 dias antes da avaliação a 2 dias depois. Sem data, não há o que procurar.

A lista está sempre mudando

Uma lista que você lê só uma vez fica desatualizada rápido. Em volume baixo, isso raramente importa. Quando o pagamento depende da lista, importa muito.

• Exclusões. Acompanhamos 4,9 milhões de avaliações em 9.048 perfis do Google Maps, todos os dias, por duas semanas, e registramos 4.590 exclusões. 1,95% das avaliações novas desapareceram em uma semana. O risco é maior nos dias 2 e 3 para avaliações negativas e nos dias 6 e 7 para as positivas. Veja o estudo completo. Uma avaliação removida precisa perder o crédito associado a ela. A exposição cresce com o volume: 4% dos negócios que coletam menos de 2 avaliações por mês perderam pelo menos uma avaliação nas duas semanas, contra 67% dos que coletam 50 ou mais.
• Edições. Uma edição que muda o texto cria uma nova versão com uma nova data. O Reviewflowz mede a janela de reserva a partir da data da edição, então uma edição pode deslocar um crédito.
• Texto. Avaliações só com estrelas, sem texto, não deixam nada para ler. Leia o texto original, não uma tradução. E uma resposta da empresa agradecendo a um funcionário não é evidência do que o hóspede disse.
• Histórico de nota. O Google não guarda nenhum. Veja como ver sua nota ao longo do tempo.

Várias unidades, e duas pessoas com o mesmo nome

Cada unidade tem sua própria lista de avaliações, a equipe trabalha em várias, e um cliente pode avaliar a filial errada. Trate unidade e tour como evidência, nunca como um filtro. Quando duas pessoas se encaixam igualmente, uma pessoa decide.

Nomes em avaliações e as regras do Google

No mesmo estudo, avaliações nomeando uma pessoa foram deletadas a uma taxa equivalente a 1,01 vez a das avaliações sem nome no mesmo negócio (intervalo de 95% 0,91 a 1,11). O próprio relatório reconhece essa limitação: não há como saber como as avaliações foram solicitadas. O Google restringe comerciantes que pedem para funcionários solicitarem avaliações com conteúdo específico, "incluindo conteúdo que identifique um funcionário". Por isso, não dê aos clientes um roteiro que cite alguém pelo nome.

Método 2: links pessoais e códigos QR

Você dá a cada funcionário um link ou um código QR. Avaliações escritas logo depois que alguém usa o link são creditadas a essa pessoa.

Quando essa é a escolha certa

É barato para começar. Funciona bem para um contador simples, como quantas pessoas a recepção mandou para o Google essa semana, e para um quadro do time onde nenhum dinheiro está em jogo.

No Reviewflowz, um Magic link por pessoa gera uma contagem por link. A tabela Magic links mostra Cliques e Avaliações lado a lado, e cada link tem um código QR que pode ser baixado. Uma avaliação é creditada a um link quando está no mesmo perfil de avaliações para o qual o clique foi direcionado e aparece em até 5 minutos depois do clique.

O que um link precisa: uma hora de publicação ao minuto

O Google não registra nada sobre qual link ou código o avaliador usou. O link gera um horário de clique, que você compara ao horário da avaliação. Isso só funciona em uma plataforma que informa o horário exato de publicação.

No Reviewflowz, sete plataformas se qualificam: Google Maps, Play Store, App Store, Trustpilot, Booking.com, Smart Customer e Capterra. Auditamos essas plataformas com dados reais de produção. Para as outras, usar uma janela de associação baseada em um horário inventado só passa uma falsa sensação de precisão. O G2 fornece apenas a data, sem horário; as datas do Zocdoc são aproximadas; e as datas de resposta do Airbnb Experiences aparecem como rótulos do tipo "há 3 semanas".

Onde esse método falha

• Um cliente que escreve a avaliação depois, em casa, fica fora da janela, e quem encontra o negócio direto no Google nunca clica no link.
• Scanners de segurança de email abrem os links de um a dois minutos depois do envio. Em uma amostra de 12 dias, 220 dos 316 cliques em links de email vieram de redes de scanners de segurança, e 85 vieram de redes domésticas e móveis. As visitas de scanner não entram na contagem.
• Uma janela de 5 minutos credita qualquer pessoa que avalie logo depois do clique. Um funcionário pode abrir o próprio link ou mandar para amigos. Quando dois cliques disputam a mesma avaliação, vence o clique mais antigo.

Por isso, nunca baseie pagamento só no crédito do link. Use-o como mais um sinal, junto com o texto e a reserva. A página de atribuição de avaliações e o artigo de ajuda sobre como ver qual membro do time está recebendo suas avaliações do Google cobrem o lado do produto.

Método 3: associar quem avalia ao seu sistema de reservas

A avaliação cita um cliente. Seu PDV, CRM, sistema de reservas ou PMS registra quem o atendeu. Basta associar os dois.

Quando essa é a escolha certa

Negócios de consulta, serviço e passeio, onde cada visita gera uma reserva com o nome do funcionário. Funciona mesmo quando a avaliação não cita ninguém pelo nome.

Dá para fazer manualmente. Exporte as reservas com o nome do funcionário, pegue as avaliações com suas datas por uma das rotas do Método 1, e associe por nome e data. Uma pessoa consegue perceber que "Gaj N" é "Gaj Niranjan". O limite é quanto uma pessoa consegue dar conta toda semana.

Primeira verificação: seu sistema registra quem atendeu o cliente?

Muitos sistemas não registram. No nosso código de integração, 36 das 60 conexões leem o funcionário por id, 6 leem por nome, e 18 não registram nenhum funcionário. Uma reserva, um pagamento ou uma fatura muitas vezes não citam quem atendeu o cliente.

Sistemas que registram equipe incluem Bokun, ServiceTitan, Boulevard, FareHarbor e Square. O mesmo campo pode significar coisas diferentes. Alguns sistemas enviam a lista completa de equipe, então uma lista vazia significa ninguém. Outros enviam um registro por item da compra, então o crédito precisa ser somado. Se seu sistema não registra equipe, este método não está disponível. Use o texto.

Associar a pessoa, não o texto

O nome de exibição do avaliador e o nome do cliente na reserva raramente são idênticos, mas diferem de jeitos previsíveis.

• Separe os nomes em partes do mesmo jeito dos dois lados, e ignore títulos e partículas como Sr., Dr., Jr., de e van.
• Exija que uma segunda parte bata quando houver uma inicial, assim "Maria S" não casa com qualquer Maria.
• Aceite um identificador como "kgskelton" quando ele contém o sobrenome, e associe nomes em outros alfabetos de forma exata.
• Ignore marcadores anônimos como "um usuário do Google". Não chute.

Horário e cancelamentos

Qual visita a avaliação descreve? A mais recente antes da data da avaliação. Procure de 14 dias antes da avaliação a 2 dias depois, porque alguns negócios recebem avaliações postadas ainda durante o atendimento, antes mesmo de o assunto existir. A próxima reserva de um cliente que retorna nunca recebe o crédito. Reservas canceladas ou remarcadas não contam. Tudo isso depende da data exata da avaliação.

Quando deixa de ser suficiente

O método falha quando quem avalia não é o cliente da reserva, como um parente ou colega que fez a reserva no lugar dele. Falha quando o avaliador usa outro nome, uma inicial ou um identificador, quando a avaliação cita alguém que não estava na reserva, e quando a reserva e a avaliação estão distantes demais no tempo.

Combinando os métodos

Cada método enxerga o que os outros não conseguem. O texto cobre avaliações antigas e clientes que chegam sem marcar horário. A reserva cobre avaliações que não citam ninguém. O link cobre uma avaliação com um nome diferente e sem reserva associada. Quando dois métodos concordam, o crédito é sólido. Quando discordam, alguém precisa olhar com atenção.

Os casos extremos, e quando você pode ignorá-los

Esses casos aparecem conforme o volume, o número de unidades e a rotatividade de funcionários crescem. Abaixo disso, dá para resolver no olho.

Exemplo (fictício): duas guias se chamam Ana, uma no passeio pelo porto e outra no passeio pelo morro. Uma avaliação do passeio pelo porto que também cita o comandante aponta para a Ana do porto, porque pessoas citadas juntas trabalham juntas. Se nada as diferencia, alguém decide.

Erros tipográficos e erros de ortografia

O Reviewflowz primeiro verifica uma correspondência exata com a equipe cadastrada, o que não custa nada e pega casos que o modelo de busca por nome deixa passar. "Caesar" é Cesar e "Jaro" é Jaroslava, então também aceita um erro de digitação limitado. Em um teste com 3.053 avaliações, o modelo de busca por nome sozinho perdeu 8 das 1.776 avaliações que citam funcionários. Com a verificação exata na frente, perdeu só 1.

Apelidos e nomes curtos

Hóspedes escrevem "Lily" quando querem dizer Lilibeth. Uma lista fixa não dá conta disso sozinha. Quando alguém credita uma avaliação a uma pessoa citada por um nome desconhecido, esse nome passa a valer como apelido. Deixe títulos como "Comandante" de fora, e rejeite um apelido parecido demais com o nome de outro membro do time.

Uma pessoa entra, sai ou muda de nome

A equipe cadastrada muda, e cada mudança reabre avaliações antigas. Exemplo (inventado): uma guia entra em março e é agradecida pelo nome em avaliações de janeiro que foram verificadas antes do nome existir. Adicioná-la deve reler essas avaliações. Um apelido aprendido não deve disparar uma verificação completa, ou cada correção manual custaria uma verificação completa.

Colando no ChatGPT: quando funciona, e quando você não pode confiar

Quando é a escolha certa

Uma importação única do histórico de avaliações, com algumas centenas de avaliações, uma primeira triagem, um time pequeno, e uma pessoa que lê cada resposta gerada. Um modelo de linguagem é bom em reconhecer um nome escrito de cinco jeitos diferentes.

As avaliações não vêm da própria ferramenta. Você cola ou envia o que já exportou, então as avaliações e as datas são tão completas quanto o método que as gerou. Se o seu sistema de reservas não registra o funcionário, nenhum modelo vai inventar essa informação.

Quando você não pode confiar nela: como você sabe quais respostas estão erradas?

Uma resposta majoritariamente certa, sem uma pontuação de confiança, parece exatamente igual a uma resposta correta. O único jeito de achar os falsos positivos é conferir as respostas contra a realidade. E conferir cada resposta à mão tem um custo.

A escala deixa isso concreto. O Reviewflowz confirma corretamente 87,1% das menções a funcionários, medido em 3.053 avaliações de 4 contas. 21 confirmações automáticas estavam erradas. Esse número pequeno fica escondido entre as 3.053 avaliações, e cada erro significa uma pessoa creditada, e talvez paga, pela avaliação de outra.

Medir isso exigiu um conjunto de dados rotulado (rotulado por um modelo mais forte, não por uma auditoria humana) e uma comparação de antes e depois de cada mudança. Enquanto você ainda lê cada resposta, não precisa de uma pontuação de confiança. Quando para de conseguir ler tudo, passa a precisar.

Como você faz melhorar?

Uma correção só vale se alguma coisa a guarda. A correção de uma pessoa precisa vencer o modelo na próxima vez, um apelido usado pelo hóspede precisa ser aprendido, e um conjunto de teste precisa ser medido antes e depois de cada mudança. Alguém precisa ser dono da fila de respostas duvidosas. Veja como fazemos isso em Onde o Reviewflowz se encaixa.

O custo oculto de confiar nela em volume

O modelo é a parte barata. Encontrar nomes custa cerca de US$ 0,0001 por avaliação, e decidir custa cerca de US$ 0,003 por avaliação. O trabalho de verdade é construir a confiança em volta disso: um limite de certeza, uma fila para os casos duvidosos, uma taxa de erro medida, e um ciclo que aprende com os acertos e erros. Se você só precisa de uma importação única do histórico, não precisa de nada disso. Se o processo roda toda semana e pagamento depende dele, você está construindo um sistema em volta da ferramenta.

Você pode dar um bônus aos funcionários por conseguirem avaliações?

Sim, pague funcionários pelo que você consegue confirmar. Não pague o cliente. Baseie o bônus em atribuição confirmada, não em cliques de link ou em contagens brutas.

A política de conteúdo proibido e restrito do Google diz: "Não permitimos que comerciantes ou usuários: ... Ofereçam incentivos, ... em troca da publicação de qualquer avaliação ou revisão ou da remoção de uma avaliação negativa." A mesma política também lista como restrito "Os comerciantes pedirem que a equipe solicite um determinado número de avaliações". Em nenhum momento ela menciona bônus para funcionários.

Para um time pequeno e um bônus pequeno, pagar com base no que você lê nas avaliações já é suficiente. Quando o bônus é alto ou gera discussão, pague em cima de crédito confirmado, não de suposições, e resolva as dúvidas antes de pagar. Um pagamento só é tão confiável quanto os dados por trás dele. Veja também você deveria pagar funcionários por avaliação e como incentivar seu time a coletar mais avaliações.

Quando você precisa de um sistema que se corrige, e quando não

Você não precisa de um sistema assim quando opera uma única unidade, com poucos funcionários, nada depende disso, e você lê cada avaliação nova assim que ela chega. Seus próprios olhos e um caderno dão conta. A pegadinha é que isso só funciona daqui para frente.

Você precisa de um sistema assim quando vários destes pontos forem verdade:

• O volume é maior do que você consegue ler e verificar.
• Você opera várias unidades.
• Funcionários compartilham nomes, ou entram e saem com frequência.
• Pagamento ou bônus dependem disso.
• Avaliações, com frequência, não citam ninguém.
• A lista muda sem avisar, por causa de exclusões e edições.

A partir daí, você pode construir ou comprar uma solução. Use esta lista de verificação para qualquer um dos dois caminhos.

• Dados. Cada avaliação com sua data exata. Exclusões e edições detectadas. Uma conexão perdida, tratada. Funcionários lidos direto do sistema de reservas.
• Associação. Cada pedaço de evidência guardado como registro. A decisão de uma pessoa prevalece sobre o sistema. Nenhum "ninguém" silencioso quando uma etapa falha. Aprendizado a partir das correções. Uma nova olhada nas avaliações antigas sempre que a equipe cadastrada mudar.

Onde Reviewflowz se encaixa

Se essas condições se aplicam ao seu caso, veja o que o Reviewflowz faz.

No lado dos dados, ele se conecta pela Google Business Profile API quando o proprietário autoriza a conexão, e lê as listagens públicas quando não, um perfil por unidade. Guarda o horário exato de cada avaliação, mantém versões de avaliações editadas, marca avaliações removidas para que o crédito acompanhe essa mudança, e lê os funcionários do seu sistema de reservas quando esse sistema os registra.

No lado da associação, ele lê os nomes no texto e associa quem avaliou às reservas, guardando tudo isso como evidência. Daí deriva um crédito por pessoa, por avaliação. Cada crédito guarda sua certeza, o trecho de texto correspondente, a explicação e quem gerou essa decisão. Uma pessoa confirma ou rejeita os casos duvidosos na fila Need validation, e as correções ensinam o sistema. Separadamente, a tabela Magic links conta as avaliações creditadas a cada link. O recurso "Attribute past reviews" executa a importação do histórico de avaliações quando você configura o time.

O resultado medido é 87,1% das menções a funcionários confirmadas corretamente, em 3.053 avaliações de 4 contas. Isso cobre só as menções no texto, e foi medido com rótulos gerados por um modelo mais forte.

O que ele não faz: o método de reserva ainda depende de um campo de funcionário no seu sistema, o crédito por link continua não sendo seguro para basear pagamento, e a fila de validação ainda precisa de uma pessoa.