Índice Reglab de Confiança e
Segurança na Economia Digital
Reglab Trust & Safety Index
Relatório 1 | 2o Trimestre de 2026
O Índice Reglab é uma iniciativa de pesquisa aplicada que mensura como os usuários brasileiros percebem a confiança e a segurança no ambiente digital. O Índice abrange diferentes segmentos da economia digital, refletindo a diversidade de usos e funções das plataformas no cotidiano, e cada categoria é analisada de forma independente, respeitando suas especificidades de uso, risco e percepção de valor. Saiba mais em https://reglab.com.br/indice-de-confianca-reglab/.
[TABELA]
| 1.103 respondentes |
população digital brasileira, +18 anos universo |
15-30 de junho de 2026 data da coleta |
24 plataformas avaliadas |
95% nível de confiança |
±3pp margem de erro |
[/TABELA]
1. Panorama Geral
1.1. Índice Reglab – Percepção em Confiança e Segurança
| O Índice Reglab é um indicador composto que resume, num único número, a confiança em cinco grandes categorias de plataformas (redes sociais, streaming, economia de plataforma, inteligência artificial e governo digital) e em quatro dimensões de Trust & Safety (confiança geral, integridade da informação, proteção de dados e proteção de adolescentes). |
O Índice Reglab permaneceu estável entre o primeiro e o segundo trimestres de 2026. Na prática, a percepção de confiança e segurança dos brasileiros no ambiente digital não mudou de uma rodada para a outra**.**
Figura 1 Trajetória do índice Reglab (Relatório Zero = 1,00).
Fonte: Elaboração Reglab.
A estabilidade era esperada, já que poucos meses separam as duas pesquisas. O resultado reforça a consistência do Índice, que não reagiu às oscilações da amostra (neste ciclo, 80% foram novos respondentes). Essa solidez permitirá identificar com mais segurança eventuais movimentos dos próximos ciclos.
1.2. Análise por Categorias
Figura 2 Trajetória do índice Reglab por categoria e subcategoria (Relatório Zero = 1,00).
Fonte: Elaboração Reglab. Nota: cada unidade parte da própria base (1,00) — mostra o quanto se moveu, não o nível. Variações pequenas são sinais a observar.
1.3. Dimensões de Confiança e Segurança
As quatro dimensões medem aspectos diferentes de Trust & Safety: confiança geral, integridade da informação, proteção de dados e proteção de adolescentes. As diferenças encontram-se dentro da margem de erro da pesquisa, com um sinal de queda em crianças e adolescentes a ser observado para as próximas rodadas.
Figura 3 Evolução da confiança por dimensão (Relatório Zero = 1,00).
Fonte: Elaboração Reglab. Nota: confiança geral, integridade da informação, proteção de dados e proteção de adolescentes.
1.4. Categorias vs. Dimensões
Ainda que os movimentos estejam dentro da margem de erro, a proteção de adolescentes é a dimensão que mais sofreu variação negativa, puxada pelos ambientes de conteúdo. Governo Digital e Economia de Plataforma permaneceram estáveis. Já a categoria de Inteligência Artificial mostra um sinal positivo, especialmente em proteção de dados e confiança geral.
Figura 4 Perfil das dimensões dentro de cada categoria (Relatório Zero = 1,00).
Fonte: Elaboração Reglab. Nota: a proteção de adolescentes é a dimensão mais baixa em todas as categorias.
1.5. Demografia
O Relatório 1 confirma as duas teses centrais da Pesquisa Zero: a confiança dos millennials vs. Geração Z e os abismos de confiança entre classes sociais
Os brasileiros de 25 a 34 anos seguem como os mais confiantes, mantendo uma distância relativa importante com a faixa etária de 18 a 24 anos. O principal movimento, porém, veio dos mais velhos: a confiança subiu entre pessoas com 45 a 54 anos – diferente de todas as outras faixas etárias. Como os subgrupos são menores, o resultado ainda é um sinal a acompanhar.
Por classe social, o padrão se manteve: a classe A no topo, seguido da classe B, C e D-E. Essa escada de renda é, por enquanto, uma das marcas mais sólidas e persistentes do estudo. Houve um movimento a observar: a classe A recuou um pouco e a B foi a que mais subiu, aproximando as duas.
Já quando comparamos gênero, a diferença é a mais estreita de todas: homens e mulheres quase empatam no índice geral, e essa proximidade se manteve – mas ainda com diferenças nas dimensões específicas, conforme a seção 3 a seguir.
Por fim, a comparação por região segue os patamares do mapa da Pesquisa Zero: Nordeste (67,5) e Sul (67,2) à frente, Sudeste no meio (66,0), Norte (64,5) e Centro-Oeste (63,6) atrás – que, aliás, registrou a maior queda do estudo (−3,1). Como as amostras regionais são menores (especialmente no Norte e Centro-Oeste), esses movimentos são sinais a observar longitudinalmente.
Figura 5 Índice de confiança por recorte social — classe, faixa etária, gênero e região (valores absolutos).
Fonte: Elaboração Reglab. Nota: escala 0–100. Recortes menores (classe A, Norte, Centro-Oeste) têm maior incerteza.
Figura 6 Índice de confiança e variação por região (valores absolutos).
Fonte: Elaboração Reglab. Nota: amostras regionais são as menores do estudo — variações pedem cautela.
1.6. Awareness
Antes de fechar o panorama, um olhar sobre a awareness: quantas pessoas de fato conhecem cada plataforma. Aqui o quadro é de quase saturação: a grande maioria já é conhecida por mais de 90% dos brasileiros conectados, como YouTube, Gov.br e Instagram que beiram os 100%, e esses patamares mal se movem de uma rodada para a outra.
Figura 7 Awareness por plataforma (Relatório Zero → Relatório 1).
Fonte: Elaboração Reglab. Nota: % que declara conhecer cada plataforma.
O grande destaque foi o Claude, com um salto de reconhecimento de 72% para 77%, acima da margem de erro. Ainda que IA seja a categoria mais desigual em conhecimento – a diferença entre as classes altas (A/B) e as populares (C/D-E) é de +6,0 pontos -, foi justamente na IA que a base da pirâmide mais avançou: a classe D-E subiu de 79% para 84% de conhecimento sobre IA, o maior avanço de qualquer classe em qualquer categoria – um sinal a observar para os próximos ciclos.
É importante destacar que o Índice Reglab mede percepção, e não uso. O fato de uma ferramenta ser conhecida significa que ela passa a fazer parte do repertório cultural daquela pessoa e pode inclusive representar um sinal de desejo a ser investigado (e.g. como acontece com marcas de luxo). As barreiras de uso efetivo de determinadas tecnologias devem ser analisadas por outros instrumentos.
Figura 8 Ganho de awareness por categoria das classes D-E (Relatório Zero → Relatório 1).
Fonte: Elaboração Reglab. Nota: a IA lidera a difusão do conhecimento para a base da pirâmide — avanço ainda no limite do que a pesquisa distingue (sinal a observar)
2. Outros Destaques desta Edição
Esta edição mostrou um retrato estável – mas a estabilidade no conjunto não significa que nada tenha acontecido. Três movimentos merecem atenção: as diferenças de gênero mais marcantes (na proteção de adolescentes e no transporte), o salto do governo digital no Sul e o movimento da inteligência artificial.
2.1. Diferenças de Gênero
Homens e mulheres quase empatam no Índice Geral (66,9 contra 65,6), mas divergem na proteção de adolescentes. As mulheres confiam quase 6 pontos menos que os homens nessa dimensão, repetindo o maior contraste já observado na Pesquisa Zero. A leitura mais provável remete ao papel de cuidado historicamente atribuído às mulheres, que tendem a acompanhar mais de perto a vida online de filhos e dependentes, e, por isso, são mais céticas em suas percepções de confiança e segurança.
Figura 9 Diferença de confiança entre gêneros, por dimensão (Relatório 1).
Fonte: Elaboração Reglab. Nota: positivo = homens confiam mais; negativo = mulheres confiam mais.
As diferenças de confiança entre homens e mulheres mudaram em várias categorias, mas ainda não há evidência suficiente para tratar esses movimentos como tendência. A maioria das variações pode ser resultado das flutuações da amostra e, sem um fator nacional claro que explique o conjunto das mudanças, a leitura mais prudente é tratá-las como sinais a acompanhar nas próximas edições.
[TABELA]
| Categorias |
Relstório Zero |
Relatório Um |
| Conteúdo ao vivo |
+3.6 |
+3.4 |
| Transporte |
+5.2 |
+3.0 |
| Redes Sociais |
+3.5 |
+2.5 |
| Inteligência Artificial |
+2.3 |
+2.4 |
| Delivery |
+2.1 |
+1.4 |
| VOD (filmes e séries) |
+2.3 |
+0.4 |
| Governo Digital |
+0.3 |
-2.3 |
[/TABELA]
Tabela 1 Diferença de confiança entre gêneros, por categoria (p.p.).
Fonte: Elaboração Reglab. Nota: positivo = homens confiam mais; negativo = mulheres confiam mais.
2.2. Governo Digital: O salto no sul
Entre as regiões, quase todo movimento é pequeno e instável, com exceção do Sul, onde a perceção de confiança e segurança no governo digital deu um salto (+5,5 pontos) — grande e consistente o bastante para ser tratada como tendência. Chama ainda mais atenção porque, na Pesquisa Zero, o Sul estava entre as regiões que menos confiam nesse tipo de serviço.
Foi uma virada – mas que parece confirmar um dos principais achados da Pesquisa Zero: a avaliação das plataformas de governo eletrônico incorporam a confiança política e institucional no governo que a opera. Ao correlacionar os achados desta pesquisa com as pesquisas de avaliação do governo federal publicadas pela Quaest em abril e julho de 2026 (com períodos de coleta separados por menos de 10 dias do período de coleta do Índice Reglab), nota-se que a Região Sul, ainda que permaneça como a região com maior reprovação do governo, foi também a que mais cresceu em aprovação no governo – um aumento também de 5.5 pontos percentuais.
Figura 10 Variação da confiança no governo digital por região (Relatório Zero → Relatório 1).
Fonte: Elaboração Reglab. Nota: destaque para o salto no Sul.
Vale dizer o quanto esse número se destaca: entre todas as variações regionais do estudo, o salto do Sul é o único estatisticamente significativo. Os demais movimentos regional ficam dentro da margem de erro e são atribuíveis ao tamanho pequeno das amostras regionais. Em outras palavras: quase tudo por região é ruído; o Sul, não.
2.3. A confiança acompanha a renda
O recorte que mais se repete (e que a seção de Demografia já apresentou) é o da renda: a confiança acompanha a classe social, e essa escada se manteve estável entre as ondas. Mais do que descrever essa desigualdade novamente, cabe perguntar o que ela significa.
A própria estabilidade é reveladora: a diferença entre classes não é apenas uma flutuação de humor, mas reflexo de desigualdades mais profundas de acesso, recursos e experiência, que não se dissolvem em poucos meses.
Ou seja: quem tem mais renda confia mais no ambiente digital. Essa desconfiança, porém, não é uniforme entre as dimensões, ela se aprofunda justamente na mais sensível: a proteção de adolescentes, onde o gap entre as classes A/B e C/D-E é o maior do estudo: 8.6 p.p.
Figura 11 Gap de classes por dimensão: diferença de confiança entre classes A/B e C/D-E (Relatório 1).
Fonte: Elaboração Reglab. Nota: quanto maior, mais classes as classes altas confiam. A proteção de adolescentes é a dimensão que mais separa as classes.
2.4. Inteligência Artificial
O sinal mais forte da edição vem de uma parte especial da amostra. Uma fatia dos respondentes, cerca de 20% (209 pessoas), já havia participado da Pesquisa Zero e foi entrevistada de novo. Este é o nosso painel repetido que acompanha as mesmas pessoas ao longo do tempo. Ele é mais preciso para flagrar mudança de verdade, já que compara alguém consigo mesmo, sendo capaz de cancelar boa parte do ruído que existe quando se comparam pessoas diferentes.
Figura 12 — Representação do Painel Repetido
Fonte: Elaboração Reglab.
| A importância de um painel repetido Pense em uma turma de alunos: para saber se eles aprenderam, você compara a nota deles no fim do curso com a deles no começo — não com a nota de uma turma qualquer. Com opinião é igual: para saber se a confiança mudou, o ideal é perguntar de novo às mesmas pessoas. É isso que o painel repetido permite: separar uma mudança real de opinião de uma simples troca de quem foi ouvido. E, porque comparam cada pessoa com ela mesma, dão mais precisão e auxiliam a capturar movimentos pequenos que se perderiam no vaivém natural de uma amostra nova. |
Foi assim que identificamos um dos sinais mais consistentes deste ciclo: o aumento da percepção de confiança e segurança em inteligência artificial, a única categoria que subiu de forma consistente (+3,1 pontos).
A leitura mais provável é de uma tecnologia em fase de adoção, com a confiança subindo de um patamar baixo, e puxada por quem está chegando agora. Outra correlação possível é com as campanhas de publicidade feitas pela OpenAI (ChatGPT) a partir de maio, e Google (Gemini) durante a transmissão da Copa do Mundo, com exposição frequente das marcas na televisão aberta, canais digitais e mídia Out-of-Home.
Figura 13 — Confiança em inteligência artificial vs. índice geral, no painel repetido (Relatório Zero = 1,00).
Fonte: Elaboração Reglab. Nota: mesmos respondentes nas duas ondas (N = 209). Enquanto o índice geral sobe discretamente, a confiança em IA sobe de forma consistente (+3,1 pontos).
3. Análise e Comentários
| Esta seção analisa os resultados da pesquisa, relacionando-os com literatura acadêmica e opiniões especializadas, por meio das lentes da autora e autor deste trabalho |
O Índice Geral permaneceu estável mesmo em um período que reuniu acontecimentos de exposição pública: a entrada em vigor do ECA Digital, o avanço do debate sobre regulação de inteligência artificial e concorrência digital e uma Copa do Mundo marcada pela transmissão em plataformas digitais. Essa estabilidade é compatível com uma distinção clássica dos estudos de comunicação: a exposição pública pode tornar um tema mais visível sem alterar, no mesmo ritmo, a avaliação que as pessoas fazem dele (McCombs e Shaw, 1972).
O ECA Digital oferece o exemplo mais claro. A Pesquisa Zero foi realizada na mesma quinzena em que a lei entrou em vigor, sob cobertura da imprensa e comunicação do governo. Três meses depois, a confiança na proteção de adolescentes continua praticamente no mesmo patamar. O resultado não significa que a lei seja irrelevante – sua implementação ainda está no início, com regulamentação e monitoramento em curso. Mas esse resultado reforça o que a teoria chama de policy feedback (Pierson, 1993): a aprovação de uma lei, por si só, não altera imediatamente a percepção dos usuários.
Há ainda uma camada de desigualdade que reforça a urgência do tema. A proteção de adolescentes não é apenas a dimensão mais frágil, é também a mais desigual de todo o estudo. Por renda, o gap é o maior entre todas as dimensões: a classe A tem uma percepção +10,8 p.p. acima da média, enquanto a classe C fica 3,4 p.p. abaixo. Por gênero, é a única dimensão em que homens e mulheres divergem com clareza (elas têm uma percepção cerca de 6 pontos percentuais menor). Ou seja, são as mulheres e pessoas das classes C/D-E que menos acreditam que as plataformas protegem adolescentes.
O mesmo vale para a agenda legislativa. As discussões sobre IA e concorrência digital ocuparam empresas, governo, Congresso e a imprensa especializada, mas não aparecem como uma ruptura na confiança da população. O resultado também pode refletir a existência de públicos temáticos: grupos que acompanham determinados assuntos com alta intensidade, enquanto a maior parte da população mantém contato limitado com o debate (Krosnick, 1990).
A Copa reforça essa separação entre uso e confiança. Milhões de brasileiros assistiram aos jogos e interagiram em plataformas digitais, mas a confiança em redes sociais e streaming pouco mudou – seja para mais ou para menos. Isso mostra que uma plataforma pode ocupar o centro da vida cultural sem que os usuários revisem sua avaliação sobre segurança, informação ou proteção de adolescentes.
IA foi o principal ponto fora da tendência de estabilidade, e esse movimento é compatível com uma tecnologia em difusão: novos grupos passam primeiro a reconhecê-la e, depois, a formar avaliações baseadas em uso e experiência.
As campanhas publicitárias da IA durante a Copa podem ter contribuído para essa visibilidade, mas os dados não permitem isolá-la como causa. Isso porque conhecer, usar e confiar são etapas diferentes. A familiaridade pode elevar a confiança quando as ferramentas entregam valor, mas também pode tornar usuários frequentes mais críticos. Isso também ajuda a explicar por que a confiança parece estar aumentando entre os mais velhos e recuando entre os jovens. O Índice pode estar registrando não apenas expansão da adoção, mas o início de uma confiança mais calibrada.
No governo digital, o salto observado no Sul confirma o achado da Pesquisa Zero e oferece um direcional sólido: a avaliação dos aplicativos absorve a percepção sobre o próprio governo. Essa associação traz um risco institucional: embora o Brasil possua capacidades relevantes de governo digital, a qualidade técnica não elimina a influência do contexto político sobre a percepção dos usuários.
O resultado é compatível com estudos que tratam a confiança no governo e a confiança na tecnologia como componentes relacionados à adoção de serviços públicos digitais (Bélanger e Carter, 2008).
Serviços tecnicamente sólidos podem perder confiança quando a avaliação política piora; a desconfiança, por sua vez, pode reduzir seu uso – e a resposta pode estar não apenas em campanhas institucionais, mas em comunicação contínua, identidade estável e experiências de uso que deixem claro que os serviços digitais permanecem públicos, confiáveis e disponíveis independentemente do governo do momento.
Referências
[REF]
BÉLANGER, F.; CARTER, L.. Trust and risk in e-government adoption. The Journal of Strategic Information Systems, v. 17, n. 2, p. 165–176, 2008
MCCOMBS, M. E.; SHAW, D. L. The agenda-setting function of mass media. Public Opinion Quarterly, v. 36, n. 2, p. 176–187, 1972.
KROSNICK, J. A. Government policy and citizen passion: a study of issue publics in contemporary America. Political Behavior, v. 12, p. 59–92, 1990
PIERSON, P. When effect becomes cause: policy feedback and political change. World Politics, v. 45, n. 4, p. 595–628, 1993.
[/REF]
Anexo de Metodologia Reglab
Sobre o Reglab
O Reglab é um centro de pesquisa privado que desenvolve estudos e consultoria estratégica para empresas, associações e formuladores de políticas públicas que atuam em tecnologia, mídia e mercados regulados. Somos obcecados por dados, métodos rigorosos e tradução de evidências em linguagem prática e acionável. Saiba mais em www.reglab.com.br.
Expediente desta Edição
Diretor Executivo: Pedro Henrique Ramos Diretora de Pesquisa: Marina Garrote
Líder do Núcleo de Economia Aplicada: João Ricardo Costa Filho
Autores: Thais Palanca da Silva e Pedro Henrique Ramos
Pesquisadoras: Thais Palanca da Silva, Isabella Crispi e Thaís Rocha Diagramação Final: Larissa Camargo
| Citação Sugerida: PALANCA, T.; RAMOS, P. H. Índice Reglab de Confiança e Segurança na Economia Digital. Edição 1 – 2º trimestre de 2026. São Paulo: Reglab, 2026. |
Anexo de Metodologia
[MT]Pergunta de pesquisa
[MX]Como usuários brasileiros adultos conectados à internet percebem confiança e segurança nas principais plataformas digitais que fazem parte de seu cotidiano, considerando diferentes categorias de serviço e quatro dimensões específicas de avaliação? Como essa percepção de confiança e segurança dos brasileiros evoluiu entre a Pesquisa Zero (1° trimestre de 2026) e o 2° trimestre de 2026, e como ela se distribui por categoria, dimensão e perfil sociodemográfico?
[MT]Resumo de Metodologia
[MX]Pesquisa quantitativa por survey nacional estruturado, com escala Likert de cinco pontos convertida em índice composto de Trust & Safety (0–100). O Relatório 1 é a primeira onda de comparação com a linha de base estabelecida na Pesquisa Zero: os resultados por categoria, subcategoria, dimensão e plataforma são apresentados de forma normalizada (base = 1,00 no Relatório Zero), e uma subamostra de painel repetido permite medir mudança de opinião nas mesmas pessoas.
[MT]Coleta de Dados
[MX]A coleta foi realizada por meio de painel online nacional estruturado pela Offerwise, empresa especializada em pesquisas digitais e estudos de opinião, com nível de confiança de 95% e margem de erro de ±3 pontos percentuais. Foram adotadas cotas por faixa etária, classe social, região geográfica e gênero. A Offerwise opera com painel proprietário, recrutado e gerenciado integralmente de forma interna. A participação é voluntária, mediante aceite dos Termos de Uso e Política de Privacidade. Os respondentes recebem incentivos por pesquisa concluída, o que tende a aumentar o engajamento e a qualidade das respostas. Para garantir que cada respondente seja uma pessoa real e única, utilizamos múltiplas camadas de controle. Entre elas reCAPTCHA no cadastro e no login, prevenindo acessos automatizados; e validação de IP e checagem de consistência geográfica (GEO IP), com desativação permanente de contas em caso de inconsistências confirmadas. As respostas foram registradas em escala Likert de cinco pontos, de “discordo totalmente” a “concordo totalmente”, com duas opções adicionais de não resposta substantiva: “não sei” e “não conheço essa plataforma”. Essas respostas foram tratadas como ausência de informação e excluídas do cálculo do índice daquela plataforma específica.
[MT]Análise de dados
[MX] A análise foi conduzida por meio de estatística descritiva e construção de indicador composto. Em uma primeira etapa, cada resposta da escala Likert foi convertida em valor numérico de 1 a 5 e, em seguida, transformada para uma escala padronizada de 0 a 100. Em uma segunda etapa, calculou-se, para cada plataforma, a média aritmética das pontuações em cada uma das quatro dimensões. O indicador composto da plataforma correspondeu à média simples dessas quatro médias dimensionais, atribuindo peso igual a cada dimensão. Em uma terceira etapa, os resultados foram agregados por subcategoria e categoria também por média simples, sem ponderação por audiência, market share, receita ou base de usuários.
O Relatório 1 é a primeira onda de comparação com a linha de base estabelecida na Pesquisa Zero. Para preservar a consistência entre as ondas e evitar leituras indevidas, os resultados são apresentados de duas formas complementares, conforme a natureza de cada recorte: (i) Em valor absoluto (escala 0–100) — para o índice geral e para os recortes demográficos (classe social, faixa etária, gênero e região). Nesses casos, o patamar de confiança é diretamente interpretável e faz sentido comparar os grupos entre si — por exemplo, afirmar que a classe A confia mais que a classe C —, porque todos medem a mesma coisa (a confiança das pessoas) em subconjuntos da mesma população; (ii) Em variação relativa, normalizada com o Relatório Zero = 1,00 — para categorias, subcategorias, dimensões e plataformas. Cada uma dessas unidades parte de um ponto-base próprio igual a 1,00 (seu valor na Pesquisa Zero), e o que se reporta é o quanto ela se moveu, não o seu nível absoluto. A escolha é deliberada: unidades de naturezas muito diferentes — uma rede social e um serviço de governo, por exemplo — não são comparáveis em nível, e o índice não serve para dizer que um tipo de plataforma "vale mais" que outro. A normalização evita essa comparação indevida, mantém o foco na trajetória de ganho ou perda de confiança de cada unidade ao longo do tempo e garante que as próximas ondas sejam sempre lidas em relação à mesma base.
Além do corte transversal — que compara as amostras completas das duas ondas, formadas majoritariamente por pessoas diferentes —, o Relatório 1 conta com uma subamostra de painel repetido: 209 respondentes (cerca de 20%) que já haviam participado da Pesquisa Zero e foram reentrevistados. Como acompanha as mesmas pessoas ao longo do tempo, o painel permite distinguir uma mudança real de opinião de uma simples mudança na composição de quem foi ouvido, sendo mais preciso para captar movimentos pequenos. Por se tratar de uma subamostra não representativa da população, o painel mede mudança, não nível, e suas variações também são lidas em relação à base (variação pareada).
Por fim, a leitura das mudanças considerou a margem de erro específica de cada recorte — maior quanto menor o subgrupo. Variações que superam essa margem são tratadas como mudança real; abaixo dela, como "sinais a observar".
[MT]Procedimento de redução de vieses
[MX]Referências teórico-metodológicas consolidadas: a estrutura do índice foi baseada em literatura reconhecida sobre mensuração de confiança em ambientes digitais e construção de indicadores compostos.
Padronização do instrumento: todas as plataformas foram avaliadas a partir de afirmativas formuladas em linguagem simples e estrutura semelhante, com adaptações mínimas por categoria, reduzindo variações artificiais de interpretação.
Exclusão de ausência de opinião substantiva: respostas “não sei” e “não conheço essa plataforma” foram excluídas do cálculo de cada plataforma, evitando distorção da média por respondentes sem familiaridade suficiente para opinar.
Controles de comparabilidade: o índice foi desenhado para evitar comparações indevidas entre categorias distintas, preservar normalização interna por categoria e impedir que diferenças de natureza de serviço contaminem a análise.
Dupla Validação em Etapas Interpretativas: Para as etapas de análise de dados, adotou-se um processo de validação cruzada. Ao menos dois pesquisadores revisaram o texto e as inferências elaboradas.
Transparência metodológica: as decisões analíticas foram explicitadas desde a edição zero, incluindo fórmula de conversão, critérios de agregação, ausência de ponderação e ressalvas sobre limites interpretativos, em linha com o padrão de replicabilidade do Reglab.
Consistência metodológica entre ondas: O mesmo instrumento, o mesmo esquema de codificação e a mesma fórmula do índice foram aplicados às duas ondas, e a normalização usou a mesma base (Relatório Zero = 1,00). Isso garante que as variações observadas reflitam mudança de percepção, e não alterações de método ou de processamento entre as rodadas.
Separação entre mudança real e mudança de composição: Como parte da amostra é formada por pessoas diferentes a cada onda, uma variação agregada pode refletir apenas quem foi ouvido, não uma mudança de opinião. O painel repetido (mesmas 209 pessoas nas duas ondas) foi incorporado justamente para distinguir os dois. Essa é uma lente que a comparação entre amostras independentes não oferece.
Limiar de significância e cautela com subgrupos: Só se tratou como mudança real a variação que supera a margem de erro do recorte específico (maior quanto menor o grupo); abaixo disso, os resultados foram classificados como "sinais a observar". Em blocos com muitas comparações simultâneas, adotou-se critério mais rígido (correção para múltiplas comparações), e recortes de N pequeno, inclusive os subgrupos do painel, foram lidos como indicativos, não conclusivos.
[MT]Outras Limitações Metodológicas
[MX]Percepção, não comportamento: O Índice mede o que as pessoas acreditam e sentem sobre as plataformas, não o que de fato acontece com seus dados ou experiências. Uma plataforma pode ter altos padrões técnicos de segurança e ainda receber pontuação baixa — ou o inverso.
Pesos iguais entre dimensões: As quatro dimensões contribuem igualmente para o Índice Composto. Ponderações alternativas poderiam produzir resultados diferentes.
Pesos iguais entre plataformas: Todas as plataformas têm o mesmo peso no cálculo dos subíndices por categoria, independentemente do tamanho de sua base de usuários.
Exclusão por desconhecimento: Plataformas menos conhecidas são avaliadas por um subconjunto menor da amostra, o que pode introduzir viés de seleção.
Periodicidade e contexto da coleta: Os resultados refletem o momento em que a pesquisa foi realizada. A confiança em plataformas pode variar significativamente em resposta a incidentes de segurança, mudanças regulatórias ou eventos de grande repercussão. Esta rodada foi a campo em junho de 2026, período concomitante à Copa do Mundo, à entrada em vigor do ECA Digital e ao debate sobre regulação de inteligência artificial — eventos que podem ter influenciado percepções e que dificultam isolar as causas de eventuais movimentos.
Duas ondas ainda são poucas para afirmar tendências: Com apenas duas rodadas e um intervalo curto (cerca de três meses), a maior parte das variações ainda pode ser flutuação natural da amostra. Por isso, o relatório trata como mudança real apenas o que supera a margem daquele recorte; o restante é classificado como "sinal a observar", a confirmar em ciclos futuros.
A incerteza cresce nos recortes menores: A margem de erro não é única, ela aumenta conforme o subgrupo diminui. Recortes como a classe A e as regiões Norte e Centro-Oeste têm amostras pequenas, e suas variações devem ser lidas com cautela — muitas vezes são ruído, e não tendência.
Limites do painel repetido: O painel (209 pessoas) é valioso para medir mudança, mas é uma subamostra pequena e não representativa da população — mede mudança, não nível —, com leve sobrerrepresentação da classe C. Está sujeito a atrito (nem todos retornam entre as ondas), a possível condicionamento (quem já respondeu pode responder de forma diferente) e à regressão à média (quem estava muito alto tende a recuar, e quem estava baixo, a subir). Seus subgrupos, portanto, são indicativos, não conclusivos.
Mudança de opinião vs. mudança de composição: Como boa parte da amostra é formada por pessoas diferentes a cada onda (cerca de 80% de novos respondentes no Ciclo 2), uma variação agregada pode refletir quem foi ouvido, e não uma mudança de percepção. O painel repetido mitiga esse risco, mas a leitura do corte transversal deve sempre considerar essa ressalva.
Múltiplas comparações: Ao testar muitos recortes, categorias e dimensões simultaneamente, cresce a chance de encontrar diferenças "significativas" por acaso. Adotou-se critério mais rígido nesses casos, mas sinais isolados podem ainda ser espúrios até que se repitam em rodadas futuras.
[MT]Uso de Software
[MX]Python (pandas, NumPy, SciPy, statsmodels, Plotly e Matplotlib) e Claude Code — processamento das bases, cálculo do índice composto, normalização (base = 1,00), testes estatísticos (comparação entre ondas, painel pareado e análise fatorial) e geração das figuras.
Suíte MS Office e Google Workspace — edição de texto, planilhas e gráficos.
Gemini 3.1 e ChatGPT 5.3 — brainstorm, sistematização de informações e apoio à redação.
Suíte Adobe Creative Cloud — diagramação e finalização de gráficos e ilustrações.
[MT]Diretrizes Éticas
[MX]Tratamento de dados pessoais: a pesquisa envolveu tratamento limitado de dados pessoais, restrito às etapas de coleta, organização e análise estatística da amostra. Os dados foram processados de forma agregada pela Offerwise e anonimizados na entrega para o Reglab, de modo que não é possível identificar, direta ou indiretamente, a pessoa respondente a partir das informações publicadas. Não há exposição de respostas individualizadas, nem tratamento orientado à perfilização ou tomada de decisão automatizada em relação aos participantes.
Finalidade e adequação: os dados foram utilizados exclusivamente para fins de pesquisa e construção do índice, em conformidade com os objetivos informados aos respondentes no contexto do painel.
Minimização e agregação: os resultados divulgados são agregados por categoria, subcategoria, dimensão e recortes sociodemográficos. Não há exposição pública de notas individuais por respondente nem de dados pessoais identificáveis.
Sigilo e confidencialidade: informações individualizadas dos participantes não são divulgadas. O estudo opera com apresentação consolidada e comparações estruturadas entre grupos.
Transparência metodológica: a metodologia do índice foi descrita de forma explícita para permitir verificação, replicabilidade e interpretação adequada dos resultados. Esse compromisso é coerente com o padrão metodológico do Reglab para publicações públicas.
Uso responsável de dados: a pesquisa mede percepções sociais sobre plataformas digitais e não tem por finalidade reforçar discriminação contra grupos, marcas ou usuários. A interpretação dos resultados deve observar cautela, especialmente em inferências amplas e comparações entre subgrupos.