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.

92

• Estudo sobre autonomia real: A questão da real autonomia do decisor

pode ser desdobrada em pesquisas mais voltadas para o estudo de

impactos psicológicos sobre decisores cada vez mais autônomos que

utilizam interfaces cada vez mais inteligentes.