Objetivos

A aba Objetivos oferece 18 opções diferentes de análise que a IA pode rodar em cada atendimento encerrado. Você pode selecionar quantos quiser, e cada um entrega um tipo diferente de informação — desde um resumo textual até uma classificação de sentimento, uma lista de objeções ou uma sinalização automática de atendimentos que merecem atenção do supervisor.

Este catálogo descreve todos eles.

📝 Resumir atendimento

Gera um resumo curto do que aconteceu na conversa, destacando os pontos principais.

• O que retorna: parágrafo curto, geralmente de 2 a 4 frases

• Quando usar: sempre. Esse é o objetivo base, e deve estar ligado em todos os departamentos. É o primeiro campo que aparece na ficha do atendimento e no módulo de Conversas.

• Quando evitar: não há cenário para evitar

• Exemplos de insights gerados:

  • "Cliente entrou buscando informações sobre o plano Premium, demonstrou interesse após a apresentação dos diferenciais e ficou de retornar na sexta com decisão."

  • "Lead pediu detalhes sobre prazos de implantação, a atendente respondeu e enviou material técnico. Atendimento encerrado sem agendamento de próxima etapa."

😀 Analisar sentimento

Classifica o atendimento como positivo, negativo ou neutro, de acordo com os critérios que você definir na descrição. Essa é uma das análises mais customizáveis: o mesmo atendimento pode ser positivo ou negativo dependendo do que importa para o seu negócio.

• O que retorna: um de três valores (Positivo, Neutro, Negativo) com emoji correspondente

• Quando usar: quando você quer uma métrica de "saúde" da conversa que possa virar KPI agregado. Especialmente útil para operações de vendas, pós-venda e CS.

• Quando evitar: se o seu departamento tem conversas muito técnicas e impessoais, o sentimento tende a ser neutro demais para gerar valor

• Exemplos de insights gerados:

  • Positivo (critério: venda fechada) → 😀 Positivo

  • Neutro (critério: lead qualificado mas sem fechamento) → 😐 Neutro

  • Negativo (critério: cliente frustrado ou perdido sem oportunidade) → 🙁 Negativo

🎯 Gera bloco próprio nos KPIs

🎯 Intenção Principal

Identifica em poucas palavras o motivo principal do contato do cliente.

• O que retorna: frase curta de 2 a 5 palavras descrevendo a intenção

• Quando usar: quando você quer categorizar rapidamente por que os clientes estão contatando. Útil para entender a distribuição de demandas ao longo do tempo.

• Quando evitar: se os seus atendimentos tipicamente cobrem várias intenções ao mesmo tempo, a análise pode simplificar demais. Considere Tópicos de Ação ou Identificar necessidades no lugar.

• Exemplos de insights gerados:

  • "Solicitar orçamento"

  • "Reclamar de cobrança indevida"

  • "Agendar primeira consulta"

  • "Tirar dúvida técnica"

👤 Perfil do Contato

Traça um perfil curto do cliente baseado em como ele se comportou no atendimento — não no cadastro do contato.

• O que retorna: frase curta caracterizando o cliente (ex: "decisor técnico", "cliente fiel curioso sobre upgrade", "prospect no estágio inicial de pesquisa")

• Quando usar: quando você quer entender quem está conversando além do nome. Útil para times de vendas consultivas e CS, onde a abordagem depende do perfil.

• Quando evitar: atendimentos muito curtos (só uma pergunta e resposta) não dão material suficiente para um perfil confiável

• Exemplos de insights gerados:

  • "Decisor técnico com foco em integração e segurança"

  • "Gestor financeiro ansioso por resposta rápida sobre cobrança"

  • "Prospect iniciante, ainda comparando opções no mercado"

🔍 Identificar necessidades

Mapeia o que o cliente precisa, busca ou está tentando resolver durante o atendimento.

• O que retorna: lista de bullets curtos, uma necessidade por item

• Quando usar: vendas consultivas, atendimento comercial complexo e times de CS que precisam rastrear o que o cliente pediu ao longo do tempo

• Quando evitar: atendimentos transacionais simples (tipo "qual o horário de funcionamento?") — não há necessidade a identificar

• Exemplos de insights gerados:

  • "Entender melhor o modelo de franquia apresentado"

  • "Compartilhar evidências de problema para avaliação"

  • "Confirmar se a solução atende ao volume de atendimentos do cliente"

🚧 Objeções

Lista as objeções que o cliente levantou durante a conversa — razões pelas quais ele travou, hesitou ou recusou avançar.

• O que retorna: lista de bullets, uma objeção por item

• Quando usar: vendas, pós-venda e recuperação. Saber quais objeções aparecem com mais frequência é um dos dados mais acionáveis que o módulo gera.

• Quando evitar: departamentos puramente informativos, onde não há decisão em pauta (FAQ, agendamento simples)

• Exemplos de insights gerados:

  • "Preço acima do orçamento disponível"

  • "Já usa solução concorrente e não quer migrar agora"

  • "Precisa de aprovação do diretor antes de seguir"

🛠 Barreiras Técnicas

Identifica dificuldades técnicas que o cliente enfrentou durante o atendimento — lugares onde ele não soube mexer, não entendeu uma funcionalidade ou travou tentando executar algo sozinho.

• O que retorna: lista de bullets descrevendo cada barreira

• Quando usar: departamentos de Suporte Técnico, onboarding e sucesso do cliente. Ajuda a identificar onde os usuários mais se perdem e o que merece virar material de ajuda, vídeo ou ajuste de UX.

• Quando evitar: departamentos onde o cliente não interage diretamente com produto ou sistema

• Exemplos de insights gerados:

  • "Cliente não soube configurar o campo de notificações"

  • "Cliente teve dificuldade em encontrar a opção de exportar relatório"

  • "Cliente não entendeu a diferença entre duas funcionalidades semelhantes"

📊 Grau de Engajamento

Classifica o nível de engajamento do cliente na conversa com base em participação, frequência de resposta e interesse demonstrado.

• O que retorna: um de três valores (Alto, Médio, Baixo)

• Quando usar: vendas e CS, para identificar rapidamente clientes que estavam desengajados mesmo antes de encerrar — esses são os que merecem follow-up ativo

• Quando evitar: atendimentos automatizados ou notificações onde não há troca real

• Exemplos de insights gerados:

  • Alto → cliente respondeu rapidamente, fez perguntas detalhadas, demonstrou interesse ativo

  • Médio → cliente manteve a conversa mas com respostas curtas

  • Baixo → cliente respondeu com longos intervalos ou deu respostas mínimas

🎯 Gera bloco próprio nos KPIs

⏱ Análise de Tempo de Interações

Avalia o timing do atendimento e tira insights a partir de padrões de tempo — resposta lenta, demora em momentos críticos, ritmo de conversa.

• O que retorna: parágrafo curto com observação sobre o comportamento temporal da conversa

• Quando usar: quando você suspeita que atrasos estão impactando conversões ou satisfação. Também útil para operações que prometem SLA de resposta.

• Quando evitar: atendimentos muito curtos ou assíncronos por natureza (ex: cliente só manda uma pergunta e espera resposta no próximo dia útil) — a análise gera ruído

• Exemplos de insights gerados:

  • "Cliente esperou 40 minutos entre a pergunta sobre preço e a resposta do atendente, momento em que o interesse aparentava ser alto."

  • "Conversa fluida nos primeiros 10 minutos, com silêncio de 2h após o envio do orçamento até o encerramento."

✅ Tópicos de Ação

Lista de tarefas ou próximos passos que surgiram durante a conversa e precisam ser executados.

• O que retorna: lista de bullets com checkbox, cada item é uma ação acionável

• Quando usar: operações em que o atendimento gera tarefas concretas — enviar um contrato, retornar com resposta técnica, agendar reunião, disparar orçamento. Especialmente útil para vendas consultivas e pós-venda.

• Quando evitar: atendimentos puramente informativos em que não há nada pendente após o encerramento

• Exemplos de insights gerados:

  • "Retomar contato para entender a necessidade do cliente"

  • "Enviar material completo sobre o modelo solicitado"

  • "Agendar call de apresentação detalhada"

💡 Sugerir melhorias

Recomendações sobre como o atendente poderia ter conduzido melhor o atendimento, pensadas para treinamento e evolução da equipe.

• O que retorna: parágrafo curto com sugestões práticas de condução

• Quando usar: operações com supervisores que revisam atendimentos para feedback e treinamento. Combinado com bom refinamento, vira um avaliador automático.

• Quando evitar: times muito pequenos ou maduros, onde o feedback automatizado pode causar ruído mais do que ajudar

• Exemplos de insights gerados:

  • "Responder prontamente à saudação, perguntar o objetivo do cliente e evitar enviar imagens irrelevantes; oferecer ajuda antes de encerrar o atendimento."

  • "Explorar causas da objeção e propor um futuro follow-up agendado; evitar apenas enviar link genérico sem confirmar interesse ou data para novo contato."

📞 Sugestão de Follow-up

Sugestão de mensagem ou abordagem para retomar o contato com o cliente após o encerramento.

• O que retorna: texto pronto de follow-up, geralmente já no tom conversacional (pode ser copiado e colado)

• Quando usar: vendas, CS e recuperação de leads. Facilita a vida do atendente que precisa retomar dezenas de conversas por dia.

• Quando evitar: atendimentos resolvidos na hora, onde não há razão para retorno

• Exemplos de insights gerados:

  • "Olá! Notei sua mensagem anterior. Posso ajudar com informações sobre nossas soluções ou agendar uma demonstração rápida quando for conveniente pra você?"

  • "Oi, passando para saber se conseguiu alinhar com o diretor sobre a proposta que enviamos. Qualquer dúvida, estou à disposição."

✨ Insights

Informações estratégicas de alto nível extraídas da conversa, pensadas para leitura de gestor — não detalhes operacionais.

• O que retorna: lista curta de bullets, geralmente 2 a 3 insights por atendimento

• Quando usar: quando você quer extrair da conversa sinais que importam pro negócio como um todo — tendências, oportunidades, sinais de mercado. É o objetivo menos operacional e mais analítico.

• Quando evitar: atendimentos muito pontuais ou repetitivos, onde não há sinal estratégico para captar

• Exemplos de insights gerados:

  • "Cliente valoriza centralização do atendimento em um único canal"

  • "Demonstra frustração com a solução atual que usa"

  • "Busca automatizar processos de cobrança"

    
    

🛍 Produtos e Serviços

Lista os produtos ou serviços do seu próprio negócio que foram mencionados ou discutidos durante o atendimento.

• O que retorna: lista de bullets com os produtos/serviços identificados

• Quando usar: e-commerce, catálogos grandes, operações B2B com múltiplas linhas. Permite ver quais produtos estão atraindo atenção, quais geram dúvida e quais raramente aparecem.

• Quando evitar: departamentos com oferta única ou muito restrita — a análise gera pouco sinal

• Exemplos de insights gerados (variam totalmente conforme o negócio):

  • Para uma loja de vestuário: "Camiseta básica", "Tênis esportivo", "Calça jeans"

  • Para uma empresa de software: "Plano Essencial", "Plano Premium", "Módulo de relatórios"

  • Para uma clínica: "Consulta neurológica", "Polissonografia", "Retorno"

    
    

🎯 Gera bloco próprio nos KPIs

🔑 Palavras-chave

Termos relevantes extraídos da conversa.

• O que retorna: lista de termos curtos (1 a 3 palavras cada)

• Quando usar: quando você quer identificar assuntos recorrentes e criar nuvens de termos ou filtros por tema. Bom para times de marketing e CS acompanharem o que está "em alta" na base.

• Quando evitar: atendimentos muito curtos, onde não há volume de texto suficiente

• Exemplos de insights gerados:

  • "integração", "valor mensal", "prazo", "implantação"

  • "erro no login", "senha", "aplicativo"

🎯 Gera bloco próprio nos KPIs — nuvem de palavras-chave por departamento e por período.

⚙️ Em breve: lista fixa múltipla — você poderá cadastrar as palavras-chave que interessam ao negócio e a IA marcará quais apareceram.

💬 Tópicos

Assuntos abordados no atendimento, em frases curtas.

• O que retorna: lista de bullets, cada um uma frase curta sobre um assunto discutido

• Quando usar: quando palavras-chave são granulares demais. Tópicos funcionam melhor para operações consultivas, onde assuntos têm contexto e não cabem em uma palavra.

• Quando evitar: atendimentos informativos muito curtos, onde os assuntos não têm desdobramento

• Exemplos de insights gerados:

  • "Comparação entre planos da linha"

  • "Dúvidas sobre tempo de implantação"

  • "Processo de aprovação interna do cliente"

📋 Dados Extraídos

Lista estruturada de dados pontuais mencionados na conversa — pode ser refinada para focar em tipos específicos de dado.

• O que retorna: lista de bullets, cada item um dado identificado

• Quando usar: quando você quer puxar da conversa informações factuais dispersas — valores, prazos, nomes de empresas, quantidades, endereços. Especialmente útil em vendas e financeiro.

• Quando evitar: atendimentos conversacionais sem dados factuais relevantes

• Exemplos de insights gerados:

  • "Orçamento mencionado: R$ 2.500/mês"

  • "Empresa do cliente: indústria de médio porte"

  • "Prazo de decisão: até 15/05"

  • "Tamanho da operação: 40 atendentes, 6 canais"

🏷 Auto Tags

Aplica automaticamente tags de atendimento com base no conteúdo da conversa, escolhendo entre as tags que você autorizou.

• O que retorna: as tags são aplicadas direto na sala do atendimento — aparecem na ficha e são filtráveis no módulo de Conversas

• Quando usar: sempre que você já tem uma cultura de tagueamento manual e quer automatizar a parte repetitiva. Também quando o volume é alto e depender do atendente para tagear é inviável.

• Quando evitar: quando não há tags criadas previamente no departamento ou quando o uso de tags na operação não é consistente

• Exemplos de insights gerados:

  • consulta, urgente, follow-up

  • trocar-plano, integração, reclamação

Campo de refinamento adicional: além de escolher as tags permitidas, o campo de descrição aceita instruções sobre quando aplicar cada uma. Por exemplo: "Aplique a tag urgente apenas quando o cliente mencionar prazo crítico ou palavra como 'urgente', 'agora', 'não posso esperar'."

⭐ Auto Classificação

Aplica automaticamente a tabulação de encerramento (também chamada de classificação) do atendimento, escolhendo entre as opções configuradas no departamento.

• O que retorna: a classificação é aplicada automaticamente no encerramento, eliminando a necessidade de o atendente preencher manualmente

• Quando usar: departamentos com alto volume e classificações bem definidas. Padroniza o preenchimento e elimina o esquecimento humano.

• Quando evitar: departamentos onde a tabulação exige julgamento humano muito sensível ou envolve decisões de processo

• Exemplos de insights gerados:

  • Venda realizada

  • Lead desqualificado - sem orçamento

  • Suporte - resolvido

Campo de refinamento adicional: o campo de descrição aceita instruções sobre o que caracteriza cada classificação. Por exemplo: "Classifique como 'Venda realizada' somente quando houver confirmação explícita de contratação. Classifique como 'Lead em análise' quando houver interesse mas sem decisão."

🚩 Atendimento Sinalizado

Marca automaticamente com uma bandeirinha os atendimentos que atendem a condições que você definir. É o objetivo mais flexível e poderoso do módulo — praticamente um "alerta customizável" para qualquer padrão que o gestor quer monitorar.

• O que retorna: uma bandeirinha visível na listagem de Conversas e na ficha do atendimento. Ao passar o mouse sobre ela, aparece a explicação de por que a IA sinalizou aquele atendimento.

• Quando usar: sempre que você quer monitorar um padrão específico sem precisar abrir cada conversa. Ex: atendentes que aceitam objeções sem contornar, clientes que mencionam cancelamento, upsell não explorado, promessas feitas sem confirmar prazo.

• Quando evitar: não há cenário para evitar — se não houver o que sinalizar, basta deixar o objetivo desligado. O que não vale é deixar ligado com refinamento genérico; vai gerar bandeirinhas em tudo.

• Exemplos de insights gerados:

  • "Vendedora aceitou a objeção sem tentar entender motivos ou agendar novo contato, perdendo oportunidade de reengajamento."

  • "Cliente demonstrou risco claro de churn ao mencionar insatisfação repetida."

  • "Atendente não ofereceu o produto complementar mesmo com gancho claro do cliente."

🎯 Gera bloco próprio nos KPIs — dois blocos: Sinalizados por departamento e Sinalizados por atendente, mostrando onde as situações marcadas aparecem com mais frequência.

🎯 Gera bloco próprio nos KPIs

Feche o catálogo com calma. Depois de escolher os objetivos que fazem sentido para o seu departamento, o próximo passo é o mais importante: refinar cada um deles. É no refinamento que uma análise genérica vira um insight que realmente move a operação.

Próximos passos

• Refinar objetivos: boas práticas → como escrever descrições e exemplos que transformam análise genérica em insight sob medida

• Biblioteca de refinamentos prontos → refinamentos testados por segmento de atendimento