Todo produto no vsMars carrega um Mars Score de 0–100. Não é um achismo. A fórmula é publicada em nossa metodologia e os pesos por categoria são versionados no repositório. Veja como esses pesos são escolhidos.
A fórmula do Mars Score
Para qualquer produto P na categoria C:
MarsScore(P) = Σ_i (weight_i × normalize(spec_i(P), category_C))
Cada categoria define (1) quais chaves de especificação são pontuadas, (2) o peso de cada uma, (3) a curva de normalização (linear, logarítmica, limiar, por partes).
Como os pesos são escolhidos
Para cada categoria nós:
- Levantamos o consenso dos analistas. Lemos mais de 30 análises profissionais dos topo de linha da categoria; tabulamos quais especificações são descritas como "deal-breakers", "importantes" ou "bom ter".
- Levantamos dados de arrependimento de compra. Threads do Reddit, avaliações da Amazon, pesquisas de taxa de devolução — o que os compradores gostariam de ter pesado mais?
- Rodamos análise de sensibilidade. Para uma amostra de 20 produtos na categoria, variamos cada peso em ±20% e checamos se os rankings mudam de formas que contradizem o consenso.
- Travamos os pesos, publicamos e aceitamos feedback. Quando a nota de um topo de linha parece significativamente fora do consenso, a discordância revela ou uma especificação faltante ou um peso mal calibrado.
Exemplo: smartphones (maio de 2026)
| Chave de especificação | Peso | Justificativa |
|---|---|---|
| battery_life_hours | 0,18 | Principal motor de arrependimento nas pesquisas |
| chipset_score | 0,14 | Preditivo de longevidade de múltiplos anos |
| camera_main_score | 0,13 | Principal motor de compra |
| display_score | 0,11 | Alta visibilidade diária |
| build_water_resistance | 0,07 | Risco assimétrico de perda |
| update_years_promised | 0,07 | Valor de meio de ciclo |
| charging_w_wired + wireless | 0,06 | Conveniência, mas com efeito de teto |
| price_value | 0,10 | Normalização entre faixas |
| outras (12 especificações) | 0,14 | Cauda longa |
Esses pesos mudaram duas vezes em 2026: o peso de chipset_score subiu após a história de throttling térmico do iPhone 17 Pro Max (o desempenho sustentado provou ser mais preditivo da experiência de múltiplos anos do que o pico); o peso de carregamento caiu depois que todo topo de linha atingiu 80W+ (deixou de ser um diferencial).
Curvas de normalização — a segunda metade da fórmula
Um peso diz o quanto uma especificação importa. Uma curva de normalização diz como um dado valor de especificação mapeia para uma subnota de 0–100. Usamos quatro curvas:
- Linear (minmax): mapeia do mínimo ao máximo da categoria para 0–100 linearmente. Usada para taxa de atualização, tempo de resposta, brilho de pico — especificações em que cada unidade de melhoria é aproximadamente igual.
- Logarítmica: usada para capacidade de armazenamento, RAM — onde dobrar importa mais que ganhos incrementais.
- Limiar (binária): usada para especificações booleanas (has_anc, supports_dolby_vision) — presente ou ausente.
- Por partes: usada para especificações com valor não linear, como megapixels de câmera (12–48 MP importa; acima de 48 MP mostra retornos decrescentes).
As curvas de normalização são versionadas junto com os pesos. As mudanças são documentadas no log de auditoria do worker de recálculo de pontuação.
Exemplos de pesos por categoria
Fones de ouvido (maio de 2026):
- Eficácia do ANC: 0,17
- Qualidade de som (tamanho do driver + resposta de frequência): 0,16
- Vida de bateria: 0,12
- Suporte a codecs: 0,10
- Multipoint: 0,08
- Conforto (peso + pressão): 0,07
- Construção / resistência à água: 0,06
- Outros: 0,24
Notebooks (maio de 2026):
- Nota de CPU/SoC: 0,16
- Vida de bateria (no mundo real): 0,15
- Qualidade de display (painel + resolução + brilho): 0,13
- Qualidade de construção + peso: 0,10
- Memória (RAM): 0,08
- Armazenamento (SSD): 0,07
- Seleção de portas (USB-C, Thunderbolt): 0,06
- Outros: 0,25
O que explicitamente não fazemos
- Sem notas de sentimento de analistas. "Sensação" não entra na fórmula. Avaliações subjetivas tornariam a nota irreproduzível.
- Sem bônus de popularidade. Um topo de linha que vendeu um milhão de unidades não vence um produto de nicho melhor. A velocidade de vendas é um sinal de mercado, não um sinal de qualidade.
- Sem viés de marca. Marca não é uma especificação. O Mars Score não sabe se o dispositivo é da Apple, da Samsung ou de um OEM desconhecido.
- Sem desconto de preço a menos que ele altere materialmente a normalização de uma categoria. O preço é incluído via um peso price_value, mas normalizado dentro da categoria; um telefone de US$ 200 não vai vencer um de US$ 1.200 na nota absoluta mesmo que sua relação preço/especificação seja melhor.
Por que a nota não é 92,4 → 87,1 = "muito pior"
Os Mars Scores se agrupam entre 60 e 95 para produtos em produção em qualquer categoria. Uma diferença de 5 pontos é significativa (subfaixa diferente); uma diferença de 1,3 ponto está dentro do ruído da metodologia (efetivamente um empate). Trate o número como uma chave de ordenação, não como uma verdade de ranking. O produto de 87,1 não é "5,7% pior" que o de 92,4 — eles estão na mesma vizinhança, distinguidos por compromissos específicos.
Por que publicamos a matemática
Outros sites de comparação publicam "notas de especialista" opacas. O Mars Score é intencionalmente o oposto: todo peso, toda curva de normalização, toda chave de especificação está no controle de versão. Qualquer um pode fazer um fork do repositório, mudar os pesos, recalcular a nota e ver como os rankings mudam. Essa é a única forma honesta de fazer uma plataforma de comparação — seus pesos são diferentes dos nossos, e tudo bem; a matemática deve ser aberta o bastante para que você possa substituir pelos seus.
Os pesos completos por categoria vivem em src/lib/score/mars.ts. Qualquer um pode auditar, reproduzir ou criticar a matemática. Veja nossa página de metodologia para a abordagem mais ampla de teste e pontuação.