As startups de receitas médicas digitais estão com tudo. Em meio à complexa jornada do paciente no sistema de saúde privado paulistano, o segmento conseguiu algo raro: encantar o consumidor. De acordo com levantamento da Decomposer — plataforma que aplica a metodologia Decoupling, desenvolvida na Harvard Business School —, as plataformas de receitas digitais foram as que apresentaram os maiores índices de satisfação entre todos os setores avaliados, superando farmácias, laboratórios, hospitais e operadoras de planos de saúde.
O estudo foi conduzido pela Decomposer, empresa cofundada pelos professores Thales Teixeira, ex-professor associado da Harvard Business School e atual professor na Universidade da Califórnia, e Leandro Guissoni, diretor acadêmico do mestrado executivo em experiência do cliente na FGV e ex-professor visitante em Harvard. A análise revelou que a experiência com a receita digital é, de longe, a mais bem avaliada da cadeia de saúde privada.
A metodologia Decoupling, conceito originado em Harvard e desenvolvido por Teixeira e Guissoni, consiste em analisar a experiência do cliente de forma desacoplada, ou seja, dividindo a jornada em diferentes etapas — ou “elos” — para identificar pontos específicos de satisfação e insatisfação. Essa abordagem permite mapear com precisão onde estão as oportunidades de melhoria e os diferenciais competitivos ao longo da experiência. Assim, em vez de uma única nota de avaliação ao final da relação de consumo, são obtidas várias avaliações, de acordo com as principais etapas do processo.
No caso das receitas digitais, o NPS foi decomposto em seis etapas: passagem de dados para o médico, recebimento do link da receita, cadastramento no aplicativo, conferência da receita, eventuais pedidos de ajustes na receita e demonstração da receita para a farmácia ou laboratório. Em uma escala de 0 a 10, considerando as quatro empresas avaliadas, o recebimento do link da receita e sua conferência no aplicativo alcançaram médias acima de 8,8 — classificadas como “elos fortes” pela metodologia Decoupling.
“A jornada digital da prescrição tem se mostrado um dos poucos pontos de alto prazer no ecossistema de saúde”, explica Teixeira. “Simples, rápida e funcional, ela responde diretamente a uma das maiores demandas do consumidor: conveniência.”
Menos fricção, mais confiança
Segundo o levantamento, os usuários elogiaram especialmente a clareza do processo, a interface intuitiva e a rapidez no acesso ao link com a receita médica, além da transparência no detalhamento dos medicamentos e preços. “A receita digital vinculada ao link foi prática e ofereceu um preço competitivo, tornando a experiência inicial muito conveniente”, relata um dos depoimentos destacados pela análise.
A única atividade com nota inferior a 8 foi relacionada aos eventuais pedidos de ajuste na receita, que receberam média de 7 — ainda dentro da faixa de satisfação tolerável, mas abaixo dos demais indicadores. O motivo: falhas nos dados cadastrais e dificuldades para edição ou correção via suporte técnico.
Para Leandro Guissoni, professor da FGV e cofundador da Decomposer, o bom desempenho das receitas digitais está diretamente ligado à eliminação de fricções comuns no processo tradicional. “Estamos falando de uma etapa que historicamente envolvia papel, deslocamento, burocracia e risco de perda de documentos”, comenta. “A digitalização veio para eliminar tudo isso.”
Memed é destaque no setor
Entre as quatro marcas analisadas no estudo — Memed, Mevo, Olá Doutor e Receita Digital —, a Memed se destacou com as melhores avaliações em praticamente todas as etapas, figurando como referência positiva na jornada do paciente. A Receita Digital também obteve desempenho sólido, situando-se pouco abaixo da líder, mas ainda acima da média do setor. Já a Mevo apresentou notas medianas, enquanto a Olá Doutor ficou consistentemente abaixo das concorrentes.
A comparação revela não apenas a disparidade de desempenho entre os players do segmento, mas também como a excelência na interface e no suporte ao paciente tem se tornado um diferencial competitivo decisivo nesse elo digital da cadeia de saúde.
Disrupção em tempo real
Os professores Teixeira e Guissoni, que desenvolveram a metodologia Decoupling no mapeamento de vulnerabilidades na cadeia de valor do consumidor, destacam o setor de receitas digitais como exemplo de disrupção silenciosa — aquela que não nasce da tecnologia em si, mas da insatisfação com modelos anteriores. Com um consumidor cada vez mais conectado, plataformas digitais de prescrição tendem a ocupar um papel ainda mais estratégico na saúde suplementar. E o sucesso do modelo digital pode servir de inspiração para outros elos da cadeia.
“O sistema como um todo ainda é lento e travado em várias etapas. A receita digital é a prova de que, quando se coloca o usuário no centro da solução, os ganhos são exponenciais. O desafio agora é replicar esse mindset para os demais setores”, conclui Teixeira.
SAIBA MAIS
O que é a metodologia Decoupling?
O Decoupling (em português, “desacoplamento”) é uma metodologia desenvolvida por Thales Teixeira, ex-professor associado da Harvard Business School e referência mundial em comportamento do consumidor e disrupção de mercado. A teoria foi publicada originalmente no livro Unlocking the Customer Value Chain (Harvard Business Press), best-seller internacional publicado pela editora Crown Currency, traduzido para múltiplos idiomas e considerado um dos guias estratégicos mais influentes sobre disrupção empresarial nos últimos anos.
A proposta central do Decoupling é analisar a experiência do consumidor de forma desmembrada, ou seja, separando a jornada de compra e uso em etapas específicas — chamadas de “elos da cadeia de valor”. Em vez de perguntar ao cliente se ele está satisfeito “com a empresa” ou “com o serviço”, o Decoupling busca saber se ele está satisfeito com cada uma das atividades executadas ao longo da jornada, como contratação, cadastro, entrega, suporte, cancelamento, reembolso etc.
Essa abordagem ajuda a identificar exatamente onde a percepção de valor se deteriora, muitas vezes de forma invisível para métricas tradicionais como o NPS agregado.
Quem são os criadores da metodologia e da sua ferramenta com uso de IA?
O Decoupling foi criado por Thales Teixeira, PhD em Marketing Quantitativo pela Universidade de Michigan e ex-professor da Harvard Business School por uma década. A partir das pesquisas realizadas em Harvard, ele escreveu cases sobre empresas como Airbnb, YouTube, Coca-Cola e Uber e colaborou com a Netflix em inteligência artificial.
Com base nesse modelo, ele se associou ao professor Leandro Guissoni, PhD em Marketing pela USP, ex-Coca-Cola, ex-professor adjunto da University of Virginia (Darden School of Business), atualmente professor e diretor do mestrado profissional em experiência do consumidor da FGV-SP, para fundar a Decoupling e lançar a Decomposer — ferramenta para aplicar o Decoupling em escala, com o uso de inteligência artificial e análise de dados massivos (big data), disponível para empresas acessarem mediante assinatura.
Como são apurados os dados nos levantamentos e análises realizadas pela Decomposer?
A Decomposer coleta, organiza e analisa centenas de milhares de reviews espontâneos deixados por consumidores na internet por escrito e em vídeos (e.g., TikTok). Essas avaliações — encontradas em plataformas de e-commerce, fóruns, marketplaces e sites de opinião — são interpretadas por modelos de inteligência artificial proprietários, que classificam automaticamente:
- A empresa/marca citada
- A etapa da jornada do consumidor (elo da cadeia de valor) a que se refere
- O tom do comentário (positivo, neutro, negativo, comparativo)
- O grau de satisfação expresso
- A frequência e relevância de cada tipo de manifestação
Importante: não se trata de social listening nem de análise de redes sociais, mas sim de uma curadoria estruturada de ambientes onde os consumidores expressam espontaneamente suas experiências de forma pública e permanente.
E como garantir a confiabilidade dos resultados gerados por IA?
Para garantir a robustez e confiabilidade dos dados gerados, a Decomposer realiza continuamente validações cruzadas por meio de surveys próprios e comparações com análises feitas por especialistas humanos. Essas validações permitem ajustar e calibrar os algoritmos, garantindo que as análises automatizadas se aproximem com precisão da interpretação qualitativa feita por um analista experiente.
Além disso, os modelos da Decomposer são supervisionados por uma equipe acadêmica formada por Professores e PhDs (>60% da equipe) com histórico em pesquisa de consumo, ciência de dados e machine learning analytics, com base em padrões internacionais de rigor estatístico.
O que diferencia a abordagem da Decoupling das pesquisas tradicionais?
As principais diferenças em relação às pesquisas tradicionais (como NPS por survey ou entrevistas qualitativas) são:
- Espontaneidade: os dados vêm de consumidores que decidiram, por conta própria, registrar sua experiência. Isso reduz vieses gerados por incentivo ou coação.
- Granularidade: a análise é feita por atividade da jornada, não por uma nota única ao final do processo de compras em única empresa.
- Escala e volume: os levantamentos consideram centenas de milhares de avaliações, superando facilmente o alcance de pesquisas presenciais ou telefônicas.
- Curadoria: A análise de grande volume de dados de avaliações espontâneas dos clientes é processada por inteligência artificial generativa treinada pela Decoupling para interpretar padrões de satisfação em cada etapa da experiência e associar a cada marca do setor com acuracidade. Ao invés de executivos gastarem horas analisando vídeos e textos de reviews, com o desafio de convergir considerando a grande amplitude delas, a curadoria nas análises permite que em pouco tempo a empresa tenha convergência entre várias áreas e profissionais sobre quais os principais problemas, prioridades e oportunidades na experiência do cliente.
- Atualização contínua: os reviews são captados frequentemente, permitindo análises mais atualizadas e conectadas ao comportamento do consumidor em tempo real.
- Relevância estratégica: as informações revelam pontos de atrito e alavancas invisíveis (não capturadas em coletas de pesquisas tradicionais), que podem antecipar movimentos de disrupção, tendências, identificar oportunidades rápidas de testes de mercado que possam ter maiores impactos na organização e orientar decisões de investimento em diferentes etapas feitas pelos clientes na cadeia de valor.
Em quais setores a metodologia já foi aplicada?
O Decoupling já foi aplicado em mais de 30 projetos mapeados, incluindo setores como:
- Varejo
- Saúde suplementar
- Automotivo
- Serviços financeiros
- Educação
- E-commerce
- Mobilidade
- Alimentação
No Brasil, a Decoupling já analisou cadeias de valor completas com base em dezenas de milhares de reviews, revelando com profundidade as forças e vulnerabilidades de empresas líderes e desafiantes.
A Decoupling substitui institutos de pesquisa?
Não. A proposta da Decoupling é complementar e ampliar as abordagens tradicionais para eliminar os chamados “pontos cegos” sobre a análise da experiência do cliente de maneira mais extensiva, considerando etapas desde muito antes até muito depois das ocasiões de compras tradicionalmente avaliadas nas jornadas, além de permitir visibilidade, seguindo mesmos critérios, de comparar diferentes empresas em um mesmo setor. Em vez de depender exclusivamente de pesquisas encomendadas, que podem demorar semanas ou meses para ficarem prontas e dependem do engajamento apenas de clientes da marca em ocasiões de compra e respondentes qualificados, algo cada vez mais difícil, a ferramenta Decomposer fornece monitoramento contínuo, com profundidade, volume de dados, agilidade e praticidade nas análises, permitindo decisões mais rápidas e contextualizadas, visualizando os dados em vários setores, transformando textos e outras formas de dados não-estruturados (como vídeos) em dividindo a jornada em diferentes etapas — ou “elos” — para identificar pontos específicos de satisfação e insatisfação para cada empresa de um setor e seus concorrentes, além de outras análises adjacentes sobre motivos de perdas/ganhos de vendas e dimensões de produtos.
