Post on 10-Nov-2018
78
5 Considerações finais
5.1 Interfaces, estratégias e resultados
Como discutido no capítulo anterior, das cinco interfaces líderes globais
para pesquisas de pacotes ou “empacotamentos” de viagens, quatro empresas
(Expedia, Hotels.com, Kayak e Priceline) apresentam estratégias muito
semelhantes. Isso é coerente com o fato de essas quatro empresas representarem a
liderança mais tradicional desse segmento de mercado, uma vez que todas
pertencem aos grupos Expedia e Priceline, que existem desde a década de 1990.
Dentre as cinco líderes, a interface com a estratégia mais dissonante é,
portanto, aquela do Tripadvisor, justamente a única empresa que não pertence aos
grupos dominantes mais tradicionais – o Tripadvisor pertenceu ao grupo Expedia
até 2011 e desde então vem construindo seu próprio grupo de empresas
(WIKIPEDIA, 2015).
Figura 26: Comparação visual de recursos e funções das interfaces líderes.
79
A partir da comparação visual de recursos e funções na Figura 26 acima,
essa percepção é reforçada. Enquanto Expedia, Hotels.com, Kayak e Priceline
concentram recursos de ciência de dados para suporte à decisão racional e
individual (com o Kayak, empresa mais jovem do grupo Priceline,
experimentando um suporte ligeiramente mais intuitivo e visual), o Tripadvisor
tem uma proposta bem diferente: um suporte muito mais intenso para funções
sociais e intuitivas.
Ainda que utilize poucos recursos de visualização de dados, a interface do
Tripadvisor inova ao dedicar mais recursos de ciência de dados para essas funções
menos objetivas do processo decisório, e essa estratégia tem refletido
positivamente nos resultados da empresa (GOOGLE, 2015).
Figura 27: Interesse absoluto de pesquisa por marcas líderes de 2006 até 2015. (GOOGLE, 2015)
Comparando o mesmo interesse, desta vez com relação ao interesse geral
médio por empresas na categoria de mercado “VIAGEM”, é possível – ainda com
mais clareza – visualizar o impacto que uma estratégia mais moderna pode causar
entre competidores.
80
Figura 28: Interesse relativo de pesquisa por marcas líderes de 2006 até 2015 em comparação com o interesse geral por “VIAGEM”. (GOOGLE, 2015)
O que pode ser visto na Figura 28 é um descolamento de duas empresas do
padrão de interesses médio do mercado. As duas empresas em questão são
justamente Tripadvisor – em franca ascensão – e Kayak, que começa a perder
fôlego. Abaixo, a mesma análise visual é apresentada para as empresas
emergentes, com exceção da ainda muito recente iniciativa do New York Times.
81
Figura 29: Interesse relativo de pesquisa por marcas emergentes de 2006 até 2015 em comparação com o interesse geral por “VIAGEM”. (GOOGLE, 2015)
Da mesma forma que na Figura 28, o que se vê na Figura 29 é um
crescimento muito acima da média do interesse pelas marcas emergentes, mas
neste caso um crescimento mais recente e agressivo relativo ao interesse médio do
mercado. Mais especificamente, Airbnb e Google Flights cresceram ao ponto de
incomodar os líderes de mercado, que no espaço de menos de três anos já
perderam pelo menos esta liderança, mantendo a liderança de visitas totais
acumuladas apenas por estarem no ar há muito mais tempo.
Voltando a atenção novamente para as estratégias representadas pelas
interfaces dessas duas empresas, podemos perceber, a partir da Figura 30 abaixo,
que se tratam de duas estratégias bastante diferentes. Enquanto Google Flights
concentrou recursos de ciência e visualização de dados para suporte a funções
racionais, o Airbnb tem um foco muito nítido no uso de recursos de visualização
para suporte a todas as funções do processo decisório, além de recursos de ciência
de dados quase exclusivamente para suporte às funções sociais.
82
Figura 30: Comparação visual de recursos e funções das interfaces do Google Flights e Airbnb.
Conciliando esta análise de estratégias e resultados de mercado, a Figura 31
(abaixo) demonstra o poder destas novas estratégias de uso de recursos de Big
Data para funções de suporte à decisão, especialmente aquela do Airbnb que, sem
a força de uma marca como a da Google, conseguiu em menos de cinco anos se
tornar uma marca mais interessante do que as que compõem o grupo Expedia e
Priceline.
Figura 31: Interesse relativo de pesquisa por marcas acima da média de 2006 até 2015 em comparação com o interesse geral por “VIAGEM”. (GOOGLE, 2015)
83
5.2 Decisões e funções
Além da identificação de estratégias emergentes para o design de interfaces
de suporte à decisão em geral, os resultados do capítulo 4 também apontam para
outros padrões, estes agora mais específicos para a elaboração de interfaces de
suporte ao planejamento de viagens. Esses padrões são menos relativos aos
recursos e mais concernentes às funções que devem servir de base para as
decisões de destino, hospedagem e vôo.
5.2.1 Decisão do destino: Intuição + social
Ao contrastarmos as interfaces que favorecem também a exploração e
decisão de destino (Tripadvisor, Airbnb e NY Times Journeys) com aquelas que
focam apenas na oferta de vôos e hospedagens (Expedia, Hotels, Google Flights e
Hipmunk, principalmente), fica evidente o contraste no uso de recursos para
atender funções de suporte à intuição e à socialização para decisão.
Figura 32: Matrizes função-recurso de interfaces que suportam decisão de destino.
Figura 33: Matrizes função-recurso de interfaces que não suportam decisão de destino.
84
Como visto nas figuras acima, apesar de adotarem estratégias tão diferentes,
as empresas Tripadvisor, Airbnb e NY Times Journeys buscaram utilizar recursos
de Big Data, seja de ciência ou de visualização de dados, para prover um suporte
maior à intuição e à socialização, ao optarem por projetar interfaces mais próprias
para exploração de novos destinos.
Figura 34: Principais funções para suporte à decisão de destino.
Esta observação é coerente com o que se experimenta quando se planeja
uma viagem sem um destino ainda bem definido. Na prática, a decisão – mesmo
temporária – por um ou alguns potenciais destinos deve ser anterior às decisões de
hospedagem e vôo e implica em uma análise muito mais emocional e baseada em
antecipações mentais de paisagens, atrações e situações.
Essas antecipações, facilitadas por meio de conteúdo visual (fotos e vídeos)
e textual (opiniões e narrativas) providos pelo próprio website ou gerados por
outros viajantes, requerem, portanto, o uso de recursos para suporte à intuição e à
socialização, independentemente da natureza dos recursos.
85
5.2.2 Decisão da hospedagem: Social + razão
Dentre as interfaces que competem quanto à capacidade de suporte à
decisão de hospedagem (Tripadvisor, Expedia, Hotels.com, Kayak, Priceline e
Airbnb), o contraste está entre os resultados das que suportam majoritariamente
funções racionais através de ferramentas de busca (Expedia, Hotels.com, Kayak e
Priceline) e daquelas que, além disso, dão a mesma importância para o suporte às
funções sociais, estimulando a colaboração e a empatia entre usuários
(Tripadvisor e Airbnb).
Figura 35: Matrizes função-recurso de interfaces que suportam funções racionais para decisão de hospedagem.
Figura 36: Matrizes função-recurso de interfaces que suportam funções racionais e sociais para decisão de hospedagem.
De fato, o que se vê nas figuras acima é uma inovação na forma de facilitar
decisões de hospedagem, com a dedicação de mais recursos para ativação de
recompensas sociais, suporte à colaboração e empatia com outros usuários.
Enquanto no Tripadvisor essas funções são apoiadas com o uso de recursos de
86
ciência de dados, o Airbnb adota uma abordagem muito mais visual e humana,
aproximando hóspedes e anfitriões indiscriminadamente.
Figura 37: Principais funções para suporte à decisão de hospedagem.
Vale reforçar que esta conclusão é muito coerente com a forma como
investigamos opções de hospedagem na prática. Havendo decidido por uma ou
mais alternativas de destino, o decisor socialmente engajado tende a buscar
recomendações de amigos e familiares por diversos canais. Existe nesse caso um
casamento de funções sociais e racionais, que se alimentam mutuamente: a
opinião de pessoas de confiança simplifica a comparação de alternativas e reduz
diversos riscos, enquanto a pesquisa de novas informações facilita a colaboração e
ativa uma recompensa social inerente ao conhecimento de informações
interessantes ao meio social.
Na interface digital, essa navegação entre razão e socialização é
proporcionada por ferramentas de busca que integram recomendações e opiniões
de outros usuários, ainda que não sejam pessoas que inspirem o mesmo grau de
87
confiança que amigos e familiares. Para estimular essa confiança, o Airbnb faz um
trabalho extraordinário de fomento à rede social de seus usuários, enquanto o
Tripadvisor se apoia no grande volume de opiniões alheias que possui (em torno
de 320 milhões em 2015 segundo o próprio Tripadvisor) que, em média, são
muito mais confiáveis que as opiniões individuais de usuários desconhecidos, uma
vez que representam a opinião mais comum, ponderada e idônea sobre uma dada
hospedagem.
5.2.3 Decisão do vôo: Razão
Por último, podemos inferir, a partir da análise das interfaces mais
especializadas na pesquisa de vôos (Google Flights e Hipmunk). que a decisão do
vôo requer basicamente recursos para suporte às funções racionais. Enquanto as
interfaces de suporte à decisão de hospedagem têm evoluído na direção de
incorporar mais suporte às funções sociais pelos motivos já assinalados
anteriormente, as interfaces de suporte à decisão de vôo vêm evoluindo ao dedicar
mais recursos de Ciência e, principalmente, de Visualização de dados para o
suporte às funções racionais apenas.
Figura 38: Matrizes função-recurso de interfaces que suportam quase exclusivamente a decisão do vôo.
A partir da Figura 38, é possível, portanto, confirmar essa dedicação de
recursos para suporte às funções racionais, inclusive com um suporte à
manutenção do foco que objetiva neste caso a manutenção foco racional, de
88
memória de cálculo e de retomada do processo de análise racional em diversos
momentos que compõem o planejamento de viagens.
Figura 39: Principais funções para suporte à decisão de vôo.
Observando mais uma vez o processo de decisão na prática, nota-se a
coesão lógica da conclusão resumida pela Figura 39. Com efeito, a pesquisa e
comparação de vôos é feita através de atributos muito objetivos: preço, duração,
número de conexões, horários de decolagem e aterrisagem. A avaliação desses
atributos não requerem funções intuitivas de reconhecimento e antecipação – já
que todos os vôos são muito semelhantes – nem funções sociais quaisquer – já
que, por serem praticamente iguais, dificilmente há opiniões subjetivas que
possam influenciar uma decisão tão objetiva.
Assim, pode-se dizer que a grande inovação em interfaces de suporte à
decisão de vôos reside no emprego de ferramentas de análise visual desses
atributos objetivos, que já vinham sendo disponibilizados de outras formas menos
assimiláveis.
89
5.3 Big Data, inteligência artificial e autonomia
No decorrer desta pesquisa, se tornou inevitável a avaliação da real
autonomia do viajante que recorre às interfaces de suporte à decisão como aquelas
estudadas. Como visto no capítulo 2, as etapas do processo decisório são repletas
de vieses e limitações, e é necessário questionar a idoneidade das empresas que,
mais do que auxiliar a decisão, têm por fim realizar as vendas mais lucrativas e
estimular o consumo recorrente com as margens mais altas possíveis.
Por conseguinte, o emprego de recursos, sejam quais forem, para o suporte à
decisão de potenciais consumidores deve ser sempre visto com resguardo, em
especial aqueles recursos que visam realizar partes da decisão pelo usuário sem
que ele tenha consciência do que está acontecendo. As práticas de Ciência de
dados, portanto, cujos algoritmos são executados em “caixa preta” e longe dos
olhos e do conhecimento dos usuários, são, por definição, as que mais reduzem a
autonomia do viajante em decidir o seu próprio algoritmo de decisão.
De modo geral, esse dilema permeia todas as práticas que lidam com
desenvolvimento de inteligência artificial para qualquer tipo de suporte intelectual
ao humano. Toda ferramenta inteligente busca realizar parte do processamento
que outrora seria realizado por uma pessoa e por isso necessariamente interferem
arbitrariamente no resultado desse processamento.
As práticas de Visualização de dados, por sua vez, tampouco estão livres de
críticas nesse sentido. Pela inviabilidade de representação de volumes tão grandes
de dados em mídias tão limitadas em tamanho e dimensões, o desenho de
visualizações sempre estará contaminado pelo ponto de vista do designer, pela sua
noção de estética, pelo seu próprio entendimento do que é relevante e merece,
portanto, destaque e, em última instância, também pelas intenções ocultas das
empresas que os empregam.
Contraditoriamente, contudo, como vimos neste capítulo, usuários globais
têm elegido as interfaces capazes de processar e apresentar de forma
compreensível o maior volume de informações como aquelas mais interessantes.
Ou seja, por mais que haja uma percepção de um risco inerente à delegação da
decisão a recursos tendenciosos, esse risco é preferido ao risco de, sem esses
recursos, acabar por realizar uma péssima decisão com mais autonomia. Essa
contradição então se justifica, pois ao utilizar uma interface que realiza parte da
90
sua decisão, a responsabilidade por uma decisão potencialmente ruim passa a ser
compartilhada (ou até mesmo transferida completamente) para a interface, que se
torna a vilã.
Assim sendo, mesmo considerando que usuários aceitem cada vez mais a
interferência de curadorias mecanizadas, como a realizada por recursos de Ciência
e Visualização de dados, para se evadirem da responsabilidade de uma decisão
realmente autônoma e para viabilizarem o consumo de vastos volumes de dados
sistêmicos e complexos, ainda é incerto o limite até o qual essa interferência será
tolerada. Por certo, os times de Big Data de empresas digitais vêm ganhando
relevância rapidamente e têm dedicado cada vez mais empenho em automatizar
decisões, adivinhar desejos e, em contrapartida, ocultar o que supostamente não é
relevante para o usuário.
Mesmo a crítica ao uso de algoritmos como uma prática que reduz
autonomia também pode ser contra-criticada ao se lembrar que algum algoritmo
necessariamente foi, é e será utilizado para a apresentação de alternativas, mesmo
que o algoritmo seja aleatório. Para fortalecer essa tese basta lembrar que as
alternativas anteriores às interfaces de suporte para o planejamento de viagens
eram as agências de viagens físicas, cujos agentes tinham seus próprios
“algoritmos” tendenciosos.
Desta maneira, a crítica mais coerente a ser feita é outra, e tem mais a ver
com a simplificação demasiada do processo decisório do usuário que, ao ser
privado de alternativas pouco relevantes por atalhos computacionais, perde a
oportunidade de vir a conhecer alternativas nunca antes consideradas, de descobrir
novas possibilidades e de reavaliar suas próprias preferências anteriores. Nesse
sentido, o autor Eli Pariser (2011) vai ainda mais longe, e alerta: À medida em que empresas da Web se esforçam para fornecer serviços sob medida para nossos gostos pessoais (...), acontece uma perigosa e não intencional consequência: (...) não somos expostos à informações que poderiam desafiar ou ampliar nossa visão de mundo. (PARISER, 2011)
5.4 Limitações e desdobramentos
Naturalmente, ao buscar e experimentar enfoques e escopos diversos para
esta pesquisa foi preciso escolher questões a se aprofundar e questões a se deixar
91
de fora dos estudos. Nesta última sessão, discorre-se brevemente sobre os
desdobramentos oriundos das próprias limitações impostas por esse recorte.
• Limitações da escolha dos modelos: Há diversos outros modelos de
decisão que poderiam ser utilizados para a análise. Análises mais
concentradas em funções sociais, por exemplo, seriam interessantes para
compreender mais a fundo esta tendência.
• Limitações da escolha dos recursos: Não foram incluídos no escopo
desta pesquisa alguns recursos mais avançados, ainda bastante
experimentais de ciência de dados tais como recursos semânticos e de
visão computacional. Deixou-se de fora também interfaces que usam
formas de visualização que ainda não atingiram o mercado em grande
volume. Desta forma, devido à grande velocidade com que os recursos
vêm se desenvolvendo, haverá sempre novas limitações desta ordem.
• Limitações da escolha das interfaces: O critério utilizado para a
escolha de interfaces foi determinante para o resultado desta pesquisa. A
utilização do mesmo framework para análise de interfaces escolhidas
segundo outro critério também seria possível. Novas interfaces surgirão
inevitavelmente, e esta limitação também tende a se perpetuar.
Levando em consideração as conclusões e limitações desta pesquisa, os
seguintes desdobramentos são sugeridos para trabalhos futuros:
• Aprofundamento em modelos decisórios híbridos: Por sua relevância
e recência, a temática multidisciplinar que estuda interfaces de suporte à
decisão ainda carece de modelos decisórios mais ricos e mais adequados
com o contexto digital.
• Estudo especulativo de recursos experimentais de Big Data: Esta
pesquisa poderia ser desdobrada de forma a englobar recursos ainda
experimentais de Big Data, de forma a especular (e testar) possíveis
futuros para interfaces de suporte à decisão.
• Análise de outros mercados: Qualquer nicho de mercado de comércio
eletrônico é passível de uma análise semelhante. Sugestões mais
evidentes seriam os mercados de: produtos físicos, streaming de filmes,
streaming de músicas e classificados online.