A totally non-compensatory multi-criteria method for evaluating and improving level of satisfaction (LoS): proposal and application on Airport Terminal of Passengers

Imagine que você esteja tentando dar uma nota para o almoço de uma cantina escolar. Da maneira antiga de fazer as coisas, você poderia tirar uma média matemática: se a pizza é 10/10, mas a salada é 1/10, a nota final torna-se um "5" (média). Isso é chamado de método compensatório, onde uma coisa super boa "compensa" uma coisa terrível. Mas, na vida real, isso nem sempre parece certo. Se a comida tem gosto de papelão, não importa o quão bonita seja a apresentação do prato; a refeição continua sendo um desastre. Este é o cerne da Análise de Decisão Multicritério (MCDA), um ramo da ciência que ajuda a tomar decisões difíceis pesando muitos fatores diferentes. Geralmente, essas ferramentas assumem que todos olham para a mesma lista de fatores (como sabor, preço e velocidade) e que uma pontuação alta em uma área pode compensar uma pontuação baixa em outra. Mas e se as pessoas tiverem prioridades totalmente diferentes? E se uma pessoa se importar com a música na loja enquanto outra só se importar com a velocidade do caixa? E se uma pontuação alta em uma área não deveria ser permitida a esconder uma falha em outra? Este artigo aborda exatamente essa realidade humana caótica.

Os autores, Phelipe Medeiros da Rocha e Helder Gomes Costa, estão lidando com um problema que parece um quebra-cabeça gigante e caótico: Como medir o quão felizes as pessoas estão com um serviço quando cada uma está usando um livro de regras diferente? Eles aplicaram seu novo método a 15 grandes aeroportos internacionais no Brasil, analisando dados de 19.240 passageiros. Em vez de forçar cada passageiro a avaliar exatamente os mesmos 37 itens (como "limpeza dos banheiros" ou "velocidade da segurança"), eles deixaram que cada passageiro escolhesse as coisas específicas que lhe interessavam. Uma pessoa pode avaliar o "Wi-Fi" e os "preços da alimentação", enquanto outra avalia apenas a "cordialidade da equipe de segurança" e a "velocidade da esteira de bagagem".

Aqui está o detalhe crucial: os pesquisadores usaram uma abordagem "totalmente não compensatória". Pense nisso como um segurança rigoroso em uma boate. Se você está sem o ingresso (uma pontuação baixa em um critério), você não entra só porque está usando um chapéu muito legal (uma pontuação alta em outro). Nos modelos matemáticos antigos, um chapéu incrível poderia "compensar" a falta do ingresso. Neste novo modelo, se um aeroporto falha em um ponto crítico para um passageiro, a experiência desse passageiro é marcada como ruim, não importa o quão bom tudo o mais tenha sido. Isso evita que a "média" esconda o fato de que algo está realmente quebrado.

A equipe inseriu esse conjunto de dados massivo e desordenado em um algoritmo especial chamado ELECTRE TRI ME. Este não é apenas uma calculadora simples; é uma máquina de classificação que observa a "credibilidade" de quão bem um aeroporto se encaixa em diferentes categorias de satisfação (como "Muito Bom", "Bom", "Regular", "Ruim" ou "Muito Ruim"). Como os passageiros usaram critérios diferentes, o algoritmo teve que ser inteligente o suficiente para lidar com as lacunas sem preenchê-las com números "médios" falsos.

Os resultados foram fascinantes. Os 15 aeroportos não receberam apenas uma nota única; eles foram classificados em quatro grupos distintos com base em quão consistentemente performaram.

• Grupo A (o nível superior) incluiu aeroportos como Viracopos (VCP) e Afonso Pena (CWB). Esses locais foram geralmente "Muito Bons" em todos os aspectos.
• Grupo D (o nível inferior) incluiu Recife (REC), Salvador (SSA) e Belém (BEL). Esses aeroportos apresentaram lacunas significativas em seu desempenho.

O estudo não parou apenas na classificação deles; ele atuou como um detetive para descobrir por que os grupos inferiores estavam enfrentando dificuldades. Eles descobriram que, embora a maioria dos aeroportos estivesse indo muito bem com coisas como "cortesia da equipe de segurança" e "tempos de espera", quase todos estavam enfrentando os mesmos dois problemas: o preço da alimentação e o preço das compras. Em todos os grupos, os passageiros avaliaram o "custo-benefício" de restaurantes e lojas como apenas "Regular" (3 de 5).

Para os aeroportos do grupo inferior (Grupo D), o artigo sugere que eles precisam focar em "pontos de ruptura" específicos para subir de nível. Isso incluiu orientação e sinalização, telas de informações de voo, acesso à internet e disponibilidade de estacionamento. Os autores argumentam que, se os aeroportos do Grupo D corrigirem esses problemas específicos, eles podem saltar para um nível de satisfação mais alto. No entanto, para os aeroportos do nível superior, o conselho é "manter" seus altos padrões, pois eles já estão atingindo as marcas máximas na maioria das áreas.

O artigo observa cuidadosamente que este método é uma nova forma de olhar para as coisas. Ele descarta explicitamente a ideia de que você pode simplesmente tirar a média das pontuações para obter uma imagem real da satisfação. Também reconhece uma limitação: os dados utilizados não perguntaram aos passageiros o quão importante cada item era para eles (os critérios de todos foram tratados como igualmente importantes). Apesar disso, os autores sugerem que seu método é uma ferramenta poderosa. Ele permite ver os "elos fracos" de uma cadeia de serviço sem permitir que os elos fortes os escondam, oferecendo um caminho mais claro para os gestores de aeroportos melhorarem de fato a experiência do passageiro. É uma mudança de "Qual é a pontuação média?" para "Onde nós falhamos e quem percebeu?".