# Objetivos ![](https://s3.us-east-2.amazonaws.com/convert-company-outline/uploads/a37daf54-af67-4e24-bdb6-ebce9f5a1da7/6e5378d6-03f7-45d1-84ac-afe33cd7fcea/capa-objetivo.png?X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Content-Sha256=UNSIGNED-PAYLOAD&X-Amz-Credential=AKIAWNEQDAE74GWO55AJ%2F20260922%2Fus-east-2%2Fs3%2Faws4_request&X-Amz-Date=20260922T151500Z&X-Amz-Expires=86400&X-Amz-Signature=d7408ca73e6ea8ef834aebc1b042809c7c9a2fb1b578f6339afa9b0813c5876f&X-Amz-SignedHeaders=host&x-amz-checksum-mode=ENABLED&x-id=GetObject " =802x233") 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. :::info **Sempre comece pelo Resumir atendimento** Esse objetivo deve estar ligado em praticamente todos os departamentos. Ele é a base que dá contexto aos demais e é o primeiro lugar que um gestor olha quando abre uma conversa encerrada. ::: --- ## 📝 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](https://s3.us-east-2.amazonaws.com/convert-company-outline/uploads/a37daf54-af67-4e24-bdb6-ebce9f5a1da7/a23fdac5-a2f0-4a92-9369-71f2aa26e587/image.png?X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Content-Sha256=UNSIGNED-PAYLOAD&X-Amz-Credential=AKIAWNEQDAE74GWO55AJ%2F20260922%2Fus-east-2%2Fs3%2Faws4_request&X-Amz-Date=20260922T151500Z&X-Amz-Expires=86400&X-Amz-Signature=75f1ff25c0ec693b9657a2916e40623dac77cf2aa467bc6a9d4f1915291c1427&X-Amz-SignedHeaders=host&x-amz-checksum-mode=ENABLED&x-id=GetObject " =642x308") :::info **Atenção ao refinar** O padrão da IA entende sentimento do jeito humano (cliente feliz = positivo). Mas na maioria das operações isso não é o que interessa. Defina na descrição o que **o seu negócio** considera positivo, neutro e negativo. Por exemplo: *"Positivo quando a venda é fechada. Neutro quando há interesse mas sem decisão. Negativo quando o lead recusa ou fica sem resposta."* ::: --- ## 🎯 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"* :::info **Também dá pra refinar em outra direção** Se o seu departamento trata mais de problemas do produto em si (bugs, erros, falhas) do que de dificuldade do cliente, você pode refinar esse objetivo para focar nisso. Exemplo na descrição: *"Identifique problemas técnicos ou falhas do produto relatadas pelo cliente durante o atendimento."* ::: --- ## 📊 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](https://s3.us-east-2.amazonaws.com/convert-company-outline/uploads/a37daf54-af67-4e24-bdb6-ebce9f5a1da7/30ef026f-268f-4b65-a28f-3f025587727d/image.png?X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Content-Sha256=UNSIGNED-PAYLOAD&X-Amz-Credential=AKIAWNEQDAE74GWO55AJ%2F20260922%2Fus-east-2%2Fs3%2Faws4_request&X-Amz-Date=20260922T151500Z&X-Amz-Expires=86400&X-Amz-Signature=b69199cfc435e5a48486efbe3d95069289b2e2690f0909878cac525559b353f1&X-Amz-SignedHeaders=host&x-amz-checksum-mode=ENABLED&x-id=GetObject " =642x317") --- ## ⏱ 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."* :::info **Dica para supervisores** No refinamento, descreva o estilo de condução que você considera ideal. Coloque exemplos de sugestões que você mesmo daria em feedback 1:1 para a equipe. A IA vai espelhar esse estilo nas avaliações automáticas. ::: --- ## 📞 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](https://s3.us-east-2.amazonaws.com/convert-company-outline/uploads/a37daf54-af67-4e24-bdb6-ebce9f5a1da7/c064543e-2fdc-457e-a275-69ecd5dab672/image.png?X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Content-Sha256=UNSIGNED-PAYLOAD&X-Amz-Credential=AKIAWNEQDAE74GWO55AJ%2F20260922%2Fus-east-2%2Fs3%2Faws4_request&X-Amz-Date=20260922T151500Z&X-Amz-Expires=86400&X-Amz-Signature=e47170c4a2aa903c7856004749839718175f5549c0fbbc19919e09e11fd45fd4&X-Amz-SignedHeaders=host&x-amz-checksum-mode=ENABLED&x-id=GetObject " =685x343") :::info **Dica até a lista fixa chegar** No refinamento, liste explicitamente os produtos que o seu departamento oferece e escreva *"use obrigatoriamente um dos itens desta lista"*. Isso reduz bastante a variação de nomes (ex: "Plano Premium" vs "plano premium" vs "premium"), que quebra os relatórios agregados. ::: --- ## 🔑 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. :::info **Dica até a lista fixa chegar** Como em Produtos e Serviços, vale listar no refinamento as palavras-chave relevantes e instruir *"use somente termos desta lista"*. Sem isso, a IA tende a gerar termos livres que não se agrupam bem nos relatórios. ::: --- ## 💬 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"* :::info **Refine para focar** Por padrão, esse objetivo pega qualquer dado factual que aparecer. Se o seu negócio se interessa só por um tipo específico (ex: valores financeiros, ou datas de vencimento), escreva isso na descrição. A análise fica muito mais útil. ::: --- ## 🏷 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*` :::info **Depende das tags do departamento** Você precisa ter as tags criadas no seu workspace e selecionar quais delas a IA pode aplicar. para mais informações visite [Tags](/doc/ce7a9b1a-5ca6-4bb2-941f-79b6aa536d94) ::: **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*` :::info **Depende da tabulação do departamento** A IA só pode escolher entre classificações que já existem configuradas para o departamento. Se nada estiver cadastrado, esse objetivo não funciona. Para mais informações visite [Classificações](/doc/090d73d4-1236-4ca7-8636-7c020a0b01cc) ::: **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 ![](https://s3.us-east-2.amazonaws.com/convert-company-outline/uploads/a37daf54-af67-4e24-bdb6-ebce9f5a1da7/ea9fa8ae-62be-4d85-9a34-923be5dbfb3e/image.png?X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Content-Sha256=UNSIGNED-PAYLOAD&X-Amz-Credential=AKIAWNEQDAE74GWO55AJ%2F20260922%2Fus-east-2%2Fs3%2Faws4_request&X-Amz-Date=20260922T151500Z&X-Amz-Expires=86400&X-Amz-Signature=b2839c44dc6e484db1bfe4a6d2ee9354ae305d818d738e0547a02ddcd064b6f6&X-Amz-SignedHeaders=host&x-amz-checksum-mode=ENABLED&x-id=GetObject " =532x169") 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](https://s3.us-east-2.amazonaws.com/convert-company-outline/uploads/a37daf54-af67-4e24-bdb6-ebce9f5a1da7/21f96c64-5d3e-455a-90ab-ea93851b29f7/image.png?X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Content-Sha256=UNSIGNED-PAYLOAD&X-Amz-Credential=AKIAWNEQDAE74GWO55AJ%2F20260922%2Fus-east-2%2Fs3%2Faws4_request&X-Amz-Date=20260922T151500Z&X-Amz-Expires=86400&X-Amz-Signature=f50cee5cb167ef9185d542dcb286610e84d244fa76fcdd9ee772cd154e2fb713&X-Amz-SignedHeaders=host&x-amz-checksum-mode=ENABLED&x-id=GetObject " =728x356") :::info **Pense em condições, não em descrições** Refinar esse objetivo é diferente dos demais. Em vez de "descreva o que a IA deve extrair", você escreve "descreva quando a IA deve sinalizar". Pense como se estivesse criando um alerta. Veja mais em: **Refinar objetivos: boas práticas** ::: --- 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 --- **Documents** - [Manuais de produtos](https://docs.convert.app.br/s/7287dde1-b04f-4cad-9d2b-72f5c721e7d1/doc/manuais-de-produtos-9Zwzl1ufq8) - [Treinamentos em vídeo](https://docs.convert.app.br/s/7287dde1-b04f-4cad-9d2b-72f5c721e7d1/doc/treinamentos-em-video-RtQVBvFmgW) - [Versões de produtos](https://docs.convert.app.br/s/7287dde1-b04f-4cad-9d2b-72f5c721e7d1/doc/versoes-de-produtos-TH4Y8GFXxO)