SERVCONFLI: UM MODELO DE ANÁLISE DE SENTIMENTOS APLICADO À GESTÃO DE RECLAMAÇÕES ENTRE CONSUMIDORES E EMPRESAS

SERVCONFLI: UM MODELO DE ANÁLISE DE SENTIMENTOS APLICADO À GESTÃO DE RECLAMAÇÕES ENTRE CONSUMIDORES E EMPRESAS

• Autor
• Tauane Caroline da Silva Barbosa
• Resumo

•  

  A análise de sentimentos tem se mostrado relevante para compreender emoções em interações digitais, classificando reações em positivas, neutras ou negativas. No atendimento ao cliente, essa técnica apoia a gestão de reclamações ao orientar respostas mais adequadas e preservar relacionamentos. Modelos teóricos, como os de Watson e Tellegen (1985) e Davidson et al. (1999), fundamentam a compreensão das valências emocionais, enquanto estudos indicam que respostas rápidas e resolutivas contribuem para satisfação e fidelização (Filip, 2011).

  Historicamente, a gestão de reclamações passou de prática reativa para processo estratégico, com impacto direto na reputação (Huppertz, 2007; Hansen et al., 2009). O avanço da internet e das redes sociais tornou as manifestações dos consumidores públicas, transformando plataformas como TripAdvisor (2000) e Trustpilot (2007) em mediadores globais. No Brasil, a criação do Reclame Aqui em 2001 consolidou esse movimento, tornando-se referência para monitoramento da reputação e apoio à decisão de consumo (Brum, 2019; Seiva, 2023; Silveira, 2011).

  Autores como Grönroos (1984) e Parasuraman, Zeithaml e Berry (1988) já destacavam a importância de alinhar qualidade percebida às expectativas do cliente, antecipando o marketing de relacionamento (McKenna, 1991). A partir da década de 2010, o avanço do big data e da mineração de textos possibilitou análises em larga escala, consolidando a análise de sentimentos como recurso central (Silva et al., 2016). Mais recentemente, a inteligência artificial generativa (IAG), baseada em transformers como o ChatGPT, ampliou a capacidade de captar nuances emocionais em grandes volumes de dados (Almeida; Stela, 2023; Sampaio et al., 2024).

  A amostra do estudo compreende interações público-digitais registradas no Reclame Aqui, reconhecido como espaço de expressão e avaliação organizacional (Hansen et al., 2009; Brum, 2019; Seiva, 2023). Foram selecionadas duas empresas de grande porte, com 80 interações completas, contemplando reclamação, resposta e réplica. A amostra intencional considerou diversidade temática e variação emocional (Grönroos, 1984; Parasuraman; Zeithaml; Berry, 1988).

  O instrumento desenvolvido, denominado SERVCONFLI, combina construtos clássicos de avaliação da qualidade de serviços com análise de sentimentos. Opera em quatro dimensões (empatia, clareza, cordialidade e proatividade) e incorpora a leitura da valência emocional ao longo da interação. O uso de IA generativa apoia a análise textual, sendo tratado como recurso complementar à interpretação humana (Almeida; Stela, 2023; Sampaio et al., 2024).

  Metodologicamente, trata-se de pesquisa qualitativa, exploratória e descritiva, apoiada em estatísticas descritivas. Os dados foram coletados no período de julho a dezembro de 2024, preservando anonimato. A análise envolveu: (a) codificação das dimensões e transições emocionais via SERVCONFLI; (b) apoio de GPT-4 como classificador auxiliar; e (c) estatísticas descritivas e correlação de Pearson entre dimensões qualitativas e métricas do Reclame Aqui.

  Os resultados mostraram diferenças entre as empresas. A Empresa 01 obteve índices superiores de resolução, nota média e recompra, especialmente no atendimento físico, com 65% das interações convertidas em sentimento positivo, sustentadas por empatia (60%), clareza (100%) e proatividade (100%). A Empresa 02, sobretudo na modalidade física, manteve 55% de sentimentos negativos, com baixa empatia (10%) e nota média de 5,35. No online, a Empresa 01 apresentou 35% de transições para positivo, enquanto a Empresa 02 concentrou 55% em sentimento neutro.

  A análise de correlação reforçou a relevância da empatia (r=0,886 com nota média e r=0,848 com recompra) e da proatividade (r=0,842 com sentimento final). A cordialidade apresentou correlação moderada a forte (r=0,537–0,805). A clareza, isoladamente, mostrou correlações negativas com métricas externas, sugerindo que comunicação clara, mas pouco empática, não sustenta fidelização.

  A matriz SWOT sintetizou forças e fraquezas, indicando para a Empresa 01 cordialidade e agilidade como pontos positivos e padronização excessiva como fragilidade no online. A Empresa 02 apresentou limitações em empatia e proatividade, com riscos de perda de clientes. O cruzamento entre sentimentos finais e recompra confirmou que mudanças emocionais positivas estão associadas a maior fidelização.

   

  O estudo conclui que a gestão emocional das interações é central na percepção de qualidade. Empresas que convertem experiências negativas em positivas alcançam melhores indicadores de satisfação. A IA mostrou-se útil para escalar e padronizar análises, ainda que demande ajustes metodológicos. O SERVCONFLI contribui ao unir dimensões relacionais e análise de sentimentos, fornecendo subsídios estratégicos para a melhoria da gestão de reclamações. Pesquisas futuras podem expandir sua aplicação em outros setores e integrar o modelo a ferramentas de gestão, como o Balanced Scorecard.

• Palavras-chave
• Análise de Sentimentos. gestão de reclamações. Atendimento ao Cliente. Inteligência Artificial. Modelo SERVCONFLI. Plataforma Reclame Aqui. Qualidade do Atendimento. Empatia. Proatividade. Cordialidade. Clareza. Transição de Sentimentos. SERVQUAL. Process
• Área Temática
• Marketing (MKT)