Metade das clínicas que analisei tem nota 5,0 exata no Google. Noventa e quatro por cento têm 4,5 ou mais. Isso significa que nota alta não diferencia nenhuma delas de nenhuma outra, e que todo negócio usando "nossa nota é 4,9" como argumento está dizendo o que o vizinho também diz. Rodei a análise em 10 de agosto de 2026 sobre a base de 196 clínicas de estética que minerei no Google Maps, e o resto dos achados está abaixo, com a planilha para baixar.
Este texto tem duas metades. A primeira é o que os dados mostram. A segunda é como fazer a mesma análise na sua planilha, com os prompts que usei, sem escrever fórmula.
De onde vem a base
A base tem 196 clínicas de estética de cinco cidades do interior de São Paulo, coletadas no Google Maps e anonimizadas. Cada linha tem cidade, tipo de presença digital, se tem site próprio, nota, número de avaliações, se o perfil é verificado e a categoria principal. O processo de mineração está no post da coleta.
Duas linhas não têm nota nem avaliação (perfis novos, sem review). Todos os cortes de nota e avaliação abaixo usam 194 linhas. Os cortes de presença digital usam as 196.
Achado 1: a nota não separa ninguém
O primeiro recorte que fiz foi a distribuição de nota, e ele derrubou a hipótese com que eu entrei.
| Recorte de nota | Quantas clínicas | Percentual |
|---|---|---|
| Nota 5,0 exata | 97 | 50,0% |
| Nota 4,5 ou mais | 183 | 94,3% |
| Abaixo de 4,5 | 11 | 5,7% |
Média 4,85. Mediana 4,95. Menor nota da base: 3,3. Maior: 5,0.
Quando quase todo mundo tem nota quase perfeita, a nota deixa de ser informação. Ela virou piso de entrada: abaixo de 4,5 você chama atenção negativa, acima disso ninguém repara. É o mesmo efeito de "aceitamos cartão" nos anos 2000.
Isso tem consequência prática direta. Se você põe a nota em destaque no site ou no anúncio, está gastando o espaço mais valioso da página com um dado que não te diferencia. O que diferencia está no próximo achado.
Achado 2: o volume de avaliação é o que separa
Se a nota é igual para todos, o que varia? O número de pessoas que avaliou.
| Faixa de avaliações | Quantas clínicas | Percentual |
|---|---|---|
| 0 a 49 | 66 | 34,0% |
| 50 a 199 | 91 | 46,9% |
| 200 a 499 | 30 | 15,5% |
| 500 ou mais | 7 | 3,6% |
Mediana de 78 avaliações. Média de 131, puxada pelas sete clínicas com mais de 500. A maior da base tem 1.206 avaliações. Somando tudo, as 194 clínicas acumulam 25.444 avaliações.
Um terço da base está abaixo de 50 avaliações. Nessa faixa, a nota é estatisticamente frágil: três clientes insatisfeitos derrubam um 5,0 para 4,4. Quem tem 300 avaliações absorve os mesmos três sem sentir.
O que isso quer dizer para quem está montando estratégia: pedir avaliação é mais valioso que proteger a nota. Uma clínica com 4,7 e 400 avaliações passa mais confiança que uma com 5,0 e 12, e o dado da base sustenta isso.
Achado 3: quem tem site tem o dobro de avaliação
Este foi o cruzamento que não esperava encontrar tão limpo.
| Grupo | Quantas | Mediana de avaliações | Mediana de nota |
|---|---|---|---|
| Com site próprio | 116 | 98 | 4,9 |
| Sem site próprio | 78 | 45 | 5,0 |
Quem tem site próprio tem 2,18 vezes mais avaliações na mediana. E, curiosamente, tem nota mediana ligeiramente menor: 4,9 contra 5,0.
Os dois números juntos contam a mesma história do achado anterior. Quem tem mais avaliação tem nota um pouco menor porque a nota está mais testada. Quem tem 45 avaliações e 5,0 exato não é melhor, é menos medido.
Aviso importante sobre esse cruzamento: isso é correlação, não causa. Ter site não faz cliente avaliar. O mais provável é que as duas coisas sejam sintoma da mesma terceira: clínica que investe em estrutura investe em site e também pede avaliação. Quem quiser testar a causalidade precisa de dado longitudinal, medindo antes e depois de publicar um site, e essa base não tem isso.
Achado 4: o mapa de maturidade digital muda por cidade
Quebrei os mesmos números por cidade e a variação foi maior do que o esperado para cinco cidades de porte parecido.
| Cidade | Sem site | Mediana de avaliações | Mediana de nota |
|---|---|---|---|
| Campinas | 18% | 101 | 4,9 |
| Ribeirão Preto | 38% | 118 | 4,9 |
| São José do Rio Preto | 44% | 46 | 5,0 |
| Bauru | 50% | 49 | 5,0 |
| Sorocaba | 55% | 72 | 5,0 |
Campinas e Ribeirão Preto formam um grupo: poucos sem site, muita avaliação, nota mediana 4,9. Bauru, Rio Preto e Sorocaba formam outro: metade sem site, menos da metade das avaliações, nota mediana 5,0.
A distância entre Campinas (18% sem site) e Sorocaba (55%) é de três vezes. Para quem vende site, isso é o mapa de onde a conversa é mais fácil. Para quem tem clínica em Campinas, é o aviso de que o concorrente já está estruturado e site deixou de ser diferencial ali.
Achado 5: existe uma escada de presença digital
No total, 40,8% das 196 não têm site próprio. Quebrando por tipo de presença:
| Tipo de presença | Quantas | Mediana de avaliações | Mediana de nota |
|---|---|---|---|
| Site próprio | 116 | 98 | 4,9 |
| Só Instagram | 23 | 57 | 5,0 |
| Nenhuma presença fora do Maps | 46 | 40 | 5,0 |
| Só link de WhatsApp | 6 | 46 | 5,0 |
| Facebook, diretório ou agregador | 5 | 65 | 5,0 |
A escada aparece limpa nos três grupos grandes: 40 avaliações sem presência nenhuma, 57 com Instagram, 98 com site. Cada degrau mais ou menos dobra a mediana anterior.
Vale repetir o aviso do achado 3: isso não prova que o site gera avaliações. Provavelmente as duas coisas medem o mesmo grau de organização do negócio. Mas para quem prospecta, a escada é útil de outro jeito: ela ordena os candidatos. A clínica com 601 avaliações e nenhum site é um caso muito mais interessante que a clínica com 12 avaliações e nenhum site, porque a primeira já tem demanda comprovada e só não tem onde a demanda cair.
Existe exatamente um caso desses na base, e a exceção contra a regra é instrutiva por si. Entre as sete clínicas com mais de 500 avaliações, seis têm site próprio. A única sem site é uma de Sorocaba com 601 avaliações e nota 4,7.
Também vale olhar quem lidera. A clínica com mais avaliações da base tem 1.206 e nota 4,4, a mais baixa entre as sete grandes. É a confirmação mais direta do achado 2: quem é medido de verdade tem nota mais baixa que quem é pouco medido, e ninguém no mercado dela é pior por isso.
Um último dado que fecha o quadro: 192 das 196 têm o perfil verificado no Google. Verificação também virou piso, não diferencial.
Achado 6: todo mundo se descreve igual
O último recorte que fiz foi na categoria que cada clínica escolheu para se descrever no Google Maps, e ele repete o padrão da nota numa segunda dimensão.
| Categoria principal | Quantas | Percentual |
|---|---|---|
| Centro de saúde e beleza | 125 | 63,8% |
| Clínica especializada | 22 | 11,2% |
| Esteticista | 16 | 8,2% |
| Serviço de emagrecimento | 8 | 4,1% |
| Salão de beleza | 5 | 2,6% |
| Serviço de depilação a laser | 4 | 2,0% |
| Outras 13 categorias | 16 | 8,2% |
Quase dois terços da base escolheram a mesma etiqueta genérica. Existem 19 categorias distintas na base, e 11 delas têm uma única clínica.
Essas 11 são o achado interessante. Quem se cadastrou como "serviço de depilação a laser" ou "spa facial" aparece numa busca com muito menos concorrência que quem está entre os 125 de "centro de saúde e beleza". A categoria do Google Maps é um dos campos que mais influenciam em qual busca você aparece, e é gratuito trocar.
Junte com o achado 1 e você tem a leitura completa do mercado: todo mundo tem a mesma nota, é verificado do mesmo jeito e se descreve com a mesma palavra. A diferenciação que sobra é volume de avaliação, especificidade da categoria e existir fora do Google Maps.
Agora a parte prática: como rodar isso na sua planilha
Fiz a análise em código, mas dá para chegar nos mesmos números conversando com uma IA sobre a sua planilha, sem escrever uma fórmula. O que muda é a disciplina do processo.
Passo 1: monte a planilha com uma linha por concorrente. Uma coluna por informação, cabeçalho na primeira linha, sem célula mesclada e sem linha em branco no meio. IA lê planilha bagunçada tão mal quanto humano.
As colunas que valem coletar: nome (ou código), cidade, nota, número de avaliações, se tem site, tipo de presença digital, categoria. Sete colunas resolvem.
Passo 2: colete de fonte pública. Google Maps mostra tudo isso na tela do perfil. É trabalho manual chato ou automação de coleta. Não invente dado que você não viu.
Passo 3: exporte para CSV e mande junto da pergunta. Colar planilha grande no chat funciona mal. Exportar CSV e anexar funciona bem, porque a IA lê o arquivo estruturado em vez de texto solto.
Passo 4: pergunte a distribuição antes de pedir conclusão. Este é o passo que separa análise de invenção. Primeiro prompt:
Anexei um CSV com uma linha por concorrente. Antes de qualquer conclusão,
me devolva só descrição dos dados:
1. Quantas linhas e quantas colunas
2. Para cada coluna numérica: mínimo, máximo, média e mediana
3. Para cada coluna de texto: a contagem de cada valor distinto
4. Quantas linhas têm célula vazia, e em quais colunas
Não interprete nada ainda. Só os números.
Você lê essa saída e confere contra o que sabe do mercado. Se algo estiver estranho, o problema é na coleta, e descobrir agora é muito melhor que descobrir depois de tomar decisão.
Passo 5: peça os cruzamentos, um por vez. Segundo prompt, depois de conferir o primeiro:
Agora cruze duas colunas por vez. Para cada cruzamento me dê a mediana
de cada grupo e o tamanho de cada grupo:
- nota por [coluna de presença digital]
- número de avaliações por [coluna de presença digital]
- as duas anteriores, quebradas por cidade
Use mediana, não média. Se algum grupo tiver menos de 10 linhas, avise
e não tire conclusão dele.
As duas instruções finais desse prompt são as que mais economizam retrabalho. Mediana em vez de média porque uma clínica com 1.206 avaliações distorce a média de todo o grupo. Aviso de grupo pequeno porque IA tira conclusão confiante de amostra de três linhas se você deixar.
Passo 6: peça a interpretação por último, e mande separar o que é causa. Terceiro prompt:
Com base só nos números que você calculou, me diga:
1. Quais diferenças entre grupos são grandes o suficiente para importar
2. Para cada uma, o que é correlação e o que você consegue afirmar como causa
3. Quais perguntas esses dados NÃO respondem
Não sugira ação. Só leitura dos dados.
O item 3 é o mais útil da resposta e o que ninguém pede. É ele que te impede de sair vendendo uma conclusão que a base não sustenta.
Passo 7: confira dois números na mão. Escolha dois resultados e recalcule você mesmo, contando linhas no filtro da planilha. IA erra contagem, especialmente em base grande. Dois números conferidos te dizem se pode confiar no resto.
A matemática do tempo que isso economiza
Vale fazer a conta, porque ela é menos impressionante e mais honesta do que costuma ser vendida.
Essa análise, na mão, no Excel, com filtro e tabela dinâmica, leva umas duas a três horas para quem sabe usar tabela dinâmica. Para quem não sabe, leva um dia ou não sai. Com o processo acima, leva de 20 a 40 minutos, contando a conferência do passo 7.
Chame de duas horas economizadas. O custo do lado da IA é de centavos: os prompts acima somam alguns milhares de tokens, e pela tabela de preços em reais isso fica abaixo de R$ 0,50 mesmo no modelo mais caro.
Duas horas por análise não transforma negócio nenhum. O que muda o jogo é a frequência: uma análise que custava um dia e virou 40 minutos passa a ser feita todo trimestre em vez de nunca. A economia real não está nas duas horas, está nas decisões que você passa a tomar com dado em vez de impressão.
E a coleta continua sendo o gargalo. Minerar 196 perfis levou muito mais tempo que analisá-los. Quem procura ganho de produtividade deve olhar primeiro para a coleta, não para a análise.
O que a IA errou no caminho
Três coisas que aconteceram e que você vai encontrar.
Contou linha errado. Na primeira passada, o total de clínicas por cidade não fechava com o total geral, porque duas linhas sem nota foram contadas em um recorte e não em outro. Foi o passo 7 que pegou. Por isso este post declara explicitamente onde uso 194 e onde uso 196.
Confundiu correlação com causa sem pedir. Perguntei o cruzamento entre site e avaliações e a primeira resposta veio com "ter site aumenta o número de avaliações". Não é o que o dado mostra. Precisei pedir explicitamente a separação, e é por isso que ela está no prompt do passo 6.
Usou média onde mediana era o certo. Sem instrução, a saída veio com média de avaliações (131) apresentada como o número típico. O típico é a mediana (78). A diferença de 68% entre os dois vem inteira das sete clínicas gigantes.
Limitações desta base
A amostra é de cinco cidades do interior de São Paulo, categoria estética, coletada em agosto de 2026. Não generaliza para capital, para outras regiões nem para outros setores. A distribuição de nota provavelmente se repete em qualquer categoria de serviço local no Brasil, mas isso é hipótese minha, não achado desta base.
Os dados são de um único ponto no tempo. Não dá para dizer se as clínicas sem site estão perdendo ou ganhando espaço, porque não tenho a mesma medição de seis meses atrás.
E o Google Maps mostra o que o dono do perfil preencheu. Uma clínica marcada como "sem site próprio" pode ter site e não ter cadastrado.
A planilha
A base anonimizada, com as 196 linhas e as sete colunas:
Baixar a base anonimizada (.csv)O próximo passo
Monte a planilha com dez concorrentes seus, só isso. Sete colunas, dez linhas, coletadas na mão no Google Maps em meia hora.
Rode o prompt do passo 4 e olhe a distribuição de nota do seu mercado. Se ela parecer com a que encontrei aqui, você acabou de descobrir que o argumento de venda que estava usando é o mesmo de todos os seus concorrentes, e o espaço nobre do seu site está livre para outra coisa.
