Foi um pedido de algumas clientes nossas. Elas queriam manter as usuárias dentro do próprio ambiente, sem mandar ninguém para o WhatsApp.

Experimente a pesquisa de NPS Conversacional do LinkedIn, rodando via web.

https://revelumi.com/i/H08GABDR

Quem quiser levar isso para a própria empresa ou produto, basta acessar o site da ReveLumi e criar uma conta. As primeiras 15 respostas com insight são por nossa conta.

A rédea é a peça do arreio que transforma a força bruta de um cavalo em movimento útil. Sem ela, o cavalo corre, mas não vai aonde precisa ir. Com IA é a mesma lógica. Os modelos são muito poderosos, mas precisam de rédeas para serem direcionados ao lugar certo e aos resultados que buscamos.

O modelo mental da agência

Ao apresentarmos a ReveLumi, gostamos de usar o modelo mental da contratação de uma agência de pesquisa. Quando contratamos uma agência, o primeiro passo é apresentar um briefing.

Esse briefing apresentará o contexto da empresa e do problema, os objetivos da pesquisa, as hipóteses a serem validadas e as decisões que dependem do resultado. É o que dá à agente um motivo para fazer as perguntas mais apropriadas para conseguir atingir os objetivos da pesquisa.

Além do briefing geral, cada pessoa respondente tem um campo de contexto individual. A agente não trata todas as respondentes como uma pessoa genérica. Ela chega à conversa já sabendo quem está do outro lado, o que muda o tipo de pergunta que faz, a forma como interpreta a resposta e a condução da conversa.

A memória como guardrail

Toda IA generativa tem uma tentação: quando não sabe algo, inventa uma resposta plausível. Numa entrevista de pesquisa, isso é o oposto do que buscamos. Uma alucinação vira um dado falso, e um dado falso vira uma decisão errada.

Por isso, construímos um guardrail: quando a agente não sabe a resposta a algo que a pessoa entrevistada pergunta, ela diz que não tem essa informação agora, que vai checar e segue com a entrevista sem travar nem inventar. A conversa continua, a confiança não se perde, e o que fica registrado é real.

O que a rédea entrega

Nada disso aparece para quem está sendo entrevistado como “regras de IA”. Aparece como uma conversa que faz sentido, que lembra o que já foi dito, que sabe quando não sabe. E para quem está do outro lado, recebendo o relatório final, aparece como algo muito valioso: uma pesquisa que efetivamente responde ao que precisava ser respondido.

A diferença entre usar uma IA genérica para conversar com clientes e usar uma agente que ouve para gerar decisões não está na inteligência do modelo. Está nas rédeas que utilizamos para guiar a IA para gerar os resultados que precisamos.

Quer ver como essa rédea funciona numa entrevista de verdade? Converse com nossa agente respondendo à nossa pesquisa demo sobre como você escolhe o que assistir na Netflix.

E se você quiser colocar essa agente para fazer pesquisas com suas clientes, marque uma demo! Será um prazer mostrar nossa agente e suas rédeas.

O NPS virou padrão porque é simples: uma pergunta, uma nota, um número. Mas essa simplicidade tem um custo que a maioria das empresas sente, mas poucas nomeiam.

O problema não é a nota, mas o que ela esconde.

Uma pessoa que dá nota 0 e outra que dá nota 6 caem na mesma categoria: detratoras. Uma nota 7 e uma nota 8 também são tratadas como idênticas: neutras. Duas experiências completamente diferentes, reduzidas ao mesmo rótulo.

Some isso ao campo de comentário, que é opcional. A maioria não escreve nada. Quem escreve, geralmente escreve uma linha. “Bom.” “Poderia melhorar.” Você fica com um número que traz pouca informação e um comentário raso demais para preencher essa lacuna.

O resultado: você sabe se está indo bem ou mal, mas raramente sabe o porquê e, consequentemente, o que fazer a respeito. É a crítica mais repetida sobre o NPS e é justa. O número não é acionável sozinho.

A gente também sentia isso

Desde minha época na Locaweb, realizamos pesquisas de NPS e sempre sofri com essa falta de informação acionável. Isso sempre me frustrou. Anderson e eu rodávamos NPS na Conta Azul, com a mesma frustração.

Por isso criamos o NPS Conversacional na ReveLumi. A pergunta continua sendo a mesma: de 0 a 10, o quanto a pessoa recomendaria determinado produto ou serviço a um amigo? Mas, depois da nota, a agente busca extrair o que há por trás dela. Ela pergunta e pergunta de novo se precisar, até a motivação real aparecer.

Para demonstrar, rodamos uma pesquisa de NPS do LinkedIn e veja só o que achamos.

Experimente dar sua nota de NPS do LinkedIn e tenha a experiência de ser entrevistado pela nossa agente.

Depois, fique à vontade para conhecer o relatório de NPS do LinkedIn repleto de insights acionáveis.

Dados dizem o quê. Clientes dizem o porquê.

O NPS continua sendo útil como termômetro. O que muda é o que vem depois da nota. Em vez de um campo em branco ou uma linha genérica, uma conversa que vai até o fundo do motivo.

Marque uma demo para conhecer mais sobre ReveLumi e o NPS Conversacional.

Por esse motivo, criamos o NPS conversacional. A agente lê o que a pessoa escreveu e, quando a motivação da nota ainda não está clara, pergunta de novo.

Um caso recente mostra isso bem. Alguém deu nota 10 ao LinkedIn. Perguntamos o motivo, e a resposta foi:

“Na verdade, minha nota está baseada na minha experiência com LinkedIn Premium.”

Se fosse uma pesquisa de NPS comum, a pesquisa pararia aqui, e sobraria pouca coisa: nota alta, um nome de produto, nenhum contexto do porquê.

A agente respondeu:

“Entendi, o Premium é o grande diferencial para você. Consegue me contar sobre um momento específico ou algo que aconteceu que mostrou bem esse valor da assinatura na prática?”

E a resposta veio completa:

“Fiquei desempregada há dois meses e em duas semanas consegui duas oportunidades de trabalho, além de ter feito contato com muita gente pois podia mandar mensagens ilimitadas para as pessoas que eu tinha interesse de trabalhar.”

Isso não estava no primeiro comentário, só apareceu porque perguntamos pela segunda vez, pedindo por um exemplo.

Pedir o motivo faz a pessoa resumir, e resumo vira rótulo: o Premium, o algoritmo, a rede de contatos. Pedir um momento faz a pessoa lembrar, e lembrar traz a cena inteira de volta, quem ela era ali, o que estava em jogo, o que aconteceu.

Dados dizem o quê. Clientes dizem o porquê. E, às vezes, o porquê só aparece quando conseguimos nos aprofundar como fazemos com o NPS Conversacional.

Marque uma demo para conhecer mais sobre ReveLumi e o NPS Conversacional.

A maioria decide primeiro com base no roadmap, nos OKRs e no que a liderança já definiu. Quando falta informação sobre o cliente, a resposta quase nunca é uma pesquisa. É marcar uma reunião de 20 minutos, sentar do lado de um colega ou perguntar para quem está mais perto do atendimento. Pesquisa qualitativa estruturada praticamente não existe na rotina.

Isso muda a pergunta que a gente vinha fazendo. Não é “como convencer alguém a trocar a ferramenta de pesquisa que já usa?”. É “como competir com o improviso e a falta de hábito de falar com a cliente?”.

O Pix que não estava quebrado

Um dos relatos mais ricos veio de uma product owner que cuida de Pix em uma instituição de pagamento. O time levantou as dez maiores insatisfações relatadas por clientes, e uma delas era recorrente: “eu não consigo fazer Pix, nem cadastrar chave”.

O primeiro instinto de qualquer executivo, ela contou, é achar que o app está com bug. Só que ao cruzar os tickets com uma ferramenta que centraliza os canais de atendimento, ela viu outra coisa: cerca de 80% desses clientes tinham alguma fraude registrada em nome deles, em qualquer banco, não só no próprio. Uma regra do Bacen de fevereiro deste ano bloqueia o uso de Pix nesses casos, e o bloqueio é o mesmo em qualquer instituição.

O dado resolveu o mistério. Mas a própria PO admite que o dado não é suficiente. “No geral, é muito difícil entender o que o cliente pensa”, ela disse. Depois de explicar o problema técnico, ainda falta a parte qualitativa: como o cliente reage ao descobrir isso, o que ele espera que o banco faça, se a comunicação atual está clara. O dado quantitativo respondeu o quê. Ninguém tinha respondido o porquê.

“Ele acha que somos pastelaria”

Nem toda resposta veio em forma de caso completo. Uma PM que acabou de entrar na empresa contou que pergunta para os colegas mais antigos quando falta contexto sobre o cliente. Perguntamos se sobrava espaço para entender o cliente antes de decidir, com a pressão de entrega que ela descreveu.

A resposta foi uma frase só: “não sobra, pois acham que somos pastelaria”.

Não precisa de mais explicação. Pedido, entregue, próximo. É a cultura que a maioria das empresas de produto vive, mesmo aquelas que dizem que colocam o cliente no centro.

O ChatGPT não substitui o cliente

Uma fundadora solo relatou outro atalho comum. Quando não tem um cliente neutro para consultar, ela conversa com ChatGPT e Claude, monta uma matriz de valor contra tempo de desenvolvimento e segue com o que sobrou dessa conversa. “É o que eu tenho e consigo manter, e com isso que vou”, ela disse.

Não é um caso isolado. Uma leva maior de entrevistas mostrou o mesmo padrão se repetindo com força suficiente para virar uma pergunta de pesquisa própria: quais os limites de usar uma IA genérica para simular o que uma cliente pensaria?

A suspeita que temos, e que ainda vamos validar, é que uma IA sem contexto do seu produto e da sua base de clientes devolve o que soa plausível, não o que a cliente de fato diria. Parece pesquisa, mas não é.

Onde isso nos deixa

A conclusão que a própria ReveLumi trouxe no seu relatório completo é que a ReveLumi não compete com outras ferramentas de pesquisa. Compete com a ausência de pesquisa e com o improviso.

Isso significa que o argumento certo não é “você precisa de mais uma ferramenta de pesquisa”. É “você sabe que falar com clientes é importante, mas não consegue fazer isso de forma estruturada”.

Se esse é o seu dia a dia, vale ver o que muda quando a conversa com a cliente acontece de forma contínua, estruturada e sem depender de alguém parar tudo para rodar uma pesquisa formal.

Marque uma demo para conhecer a ReveLumi

Nas últimas semanas, apresentamos a ReveLumi como uma ferramenta de pesquisa qualitativa. Uma boa ferramenta, rápida, com IA. E foi assim, sem querer, que colocamos a ReveLumi na categoria errada, e fizemos quem nos ouvia entender de forma equivocada o que estávamos construindo.

A categoria errada

Quando alguém ouve “ferramenta de pesquisa”, a cabeça compara automaticamente com outras ferramentas de pesquisa. Dovetail, Qualtrics, User Interviews. E ferramenta nova compete com ferramenta que já existe ou com o jeito que a pessoa já resolve isso hoje, então vira mais fácil dizer “interessante, vou ver depois”.

Vimos essa reação com quem já trabalha com pesquisa dentro das empresas. Interesse real, algumas toparam testar, e sumiram depois. Nossa hipótese é que faltou o que compete de verdade com a ReveLumi: a decisão travada por falta de informação de cliente. Enquanto apresentamos a ReveLumi como ferramenta, competimos com outras ferramentas.

Só que a ReveLumi não é uma ferramenta que ajuda a fazer o trabalho de pesquisa. Ela faz o trabalho de pesquisa.

SaaS ajuda a fazer. SaS faz.

Está surgindo uma nova categoria de produtos, batizada de Service as Software, que vem ganhando força no mercado. Segundo a Y Combinator:

“Historicamente, serviços viraram software SaaS. Mais recentemente, viraram copilotos de IA. [...] O que nos empolga agora é o próximo passo: empresas nativas de IA que não vendem software, vendem o serviço. Em vez de te dar uma ferramenta, elas simplesmente fazem o trabalho.”

SaaS (Software as a Service) te dá uma ferramenta para você fazer a tarefa mais rápido. No caso da pesquisa qualitativa, você precisa recrutar, agendar, entrevistar, e analisar, só que com um software ajudando em cada etapa.

Por outro lado, com um SaS (Service as Software), em vez de uma ferramenta para ajudar a fazer, ele faz o trabalho por você. Você não precisa saber conduzir uma entrevista qualitativa. A ReveLumi conduz.

Já dá para ver isso em outros lugares. A Sierra não vende um software de atendimento para o time de suporte operar; a agente dela conversa diretamente com o cliente final e resolve o problema, e a empresa cobra por ticket resolvido, não por licença de acesso.

Outro ponto importante é a forma de cobrança. Em vez de cobrar por usuária utilizando a ferramenta, os SaS cobram por tarefa concluída.

A ReveLumi, sem a gente ter nomeado isso, sempre cobrou do mesmo jeito. Não cobramos por usuária que acessa o painel. Cobramos por entrevista com insight, que é a tarefa concluída. Nosso modelo de cobrança já mostrava que somos SaS.

Curiosamente, essa não é a primeira vez que a gente faz isso sem nomear. Um produto anterior nosso, uma astróloga virtual, também era um SaS: a pessoa não usava uma ferramenta para aprender a interpretar o próprio mapa astral. Ela conversava com uma agente que prestava o serviço de interpretação do mapa astral e respondia às perguntas.

Um ponto interessante para observarmos no mercado é que há SaS que são cobrados por assinatura por usuário, como Lovable e Replit. Você descreve o que quer, e o agente escreve o código sozinho, sem você precisar programar. Mas a cobrança ainda é meio SaaS: assinatura mensal fixa, mais uma camada de créditos por uso. E essa camada de créditos é ainda mais nebulosa, pois não cobra por tarefa feita, mas sim por poder computacional consumido. É como se a Netflix te cobrasse variável pela quantidade de energia elétrica consumida enquanto você assiste a séries e filmes.

O que muda quando você está oferecendo um SaS

Isso muda a pergunta que a pessoa faz para decidir se precisa de você, bem além da semântica.

Como SaaS, a pergunta é “essa ferramenta vai me ajudar a fazer o meu trabalho melhor e mais rápido?”.

Como SaS, a pergunta vira “vale mais a pena eu mesma fazer isso, contratar alguém para fazer, ou deixar a agente fazer?”.

No caso da ReveLumi, devemos pensar sobre a alternativa de não usar nossa agente: o próprio tempo da pessoa, ou o custo de contratar.

Percebemos que essa mudança de SaaS para SaS também muda quem sente a dor. Quem já tem um processo de pesquisa estruturado, um time de ResearchOps, por exemplo, tende a nos ver como ferramenta, e uma ferramenta nova compete com uma que já funciona. Já quem sofre para fazer pesquisas com usuárias pelas dificuldades todas do trabalho de entrevistá-las, provavelmente se ressente de ter que fazer esse trabalho, não de uma ferramenta melhor para fazer um trabalho que já faz. Para essa pessoa, a pergunta talvez sempre tenha sido: quem pode fazer isso por mim?

O aprendizado

Achávamos que estávamos competindo com ferramentas de pesquisa. Estávamos, na real, competindo com não fazer pesquisa nenhuma ou com contratar alguém para fazer.

É isso que vamos passar a falar mais claramente daqui pra frente: a ReveLumi faz a pesquisa. Não é um software que ajuda você a fazer.

ReveLumi conduz entrevistas qualitativas por WhatsApp, do início ao fim, sem você precisar recrutar, agendar ou analisar nada sozinha.

NPS é a métrica mais fácil de rodar e a mais difícil de aproveitar. Todo mundo manda a mesma pergunta, de 0 a 10, e recebe de volta um número. O número diz se está indo bem ou mal. Não diz por quê.

O campo aberto do NPS tradicional devia resolver isso, mas na prática vira um cemitério de respostas de uma linha. “Bom.” “Poderia melhorar.” “Não sei.” Ninguém elabora porque ninguém pergunta de volta.

Por isso construímos o NPS conversacional na ReveLumi. A pessoa dá a nota, e a agente conversa para entender o porquê, aprofundando de verdade, não parando na primeira resposta. Para testar, rodamos uma pesquisa sobre um produto que todo mundo tem opinião: o LinkedIn.

O número

133 respostas. NPS de +7. 34% promotoras, 39% neutras, 27% detratoras. Assim que o relatório se monta sozinho, em tempo real, conforme as respostas chegam:

Um NPS de +7, por si só, é pouco. Diz que o LinkedIn está mais para “tolerado” do que “amado”. Mas é só isso que diz. Não diz o que sustenta a nota, nem o que a derruba, nem o que faria a pessoa mudar de opinião. É aqui que o número para e a conversa começa.

O que sustenta, e o que derruba, a nota

O maior fator positivo, de longe, foi a oportunidade de conexão profissional: expandir a rede, ganhar visibilidade para recrutadores, ser encontrado.

O maior fator negativo não foi preço, nem bug, nem interface. Foi conteúdo. Mais especificamente: a poluição do feed por bots e conteúdo gerado por IA, e logo atrás, um termo que uma respondente trouxe para a conversa:

“Tem até um termo que se chama LinkedDisney. É porque tem lá depoimentos muito forçados.”

LinkedDisney. Um apelido que já circula em rodas de gerência e diretoria para descrever o exagero performático do feed: histórias dramáticas demais, conquistas grandiosas demais, tudo com brilho de final feliz. Nenhuma pergunta fechada chegaria nesse termo, nem um relatório automático de sentimento o inventaria. Ele só aparece numa conversa, porque alguém precisa contar, com as próprias palavras, o que sente. E o relatório não só registra a frase, ele pesa quanto ela contribui para a nota, quantas pessoas tocaram nesse ponto, e liga de volta para cada conversa original.

A ironia que não planejamos

Rodamos essa pesquisa com uma agente de IA. E o maior vilão que a pesquisa encontrou foi conteúdo gerado por IA sem alma.

Não é contradição, é a distinção que mais importa agora. Existe IA que produz volume vazio, textos que só existem para preencher espaço e parecer produtivo. E existe IA que escuta, faz a pergunta seguinte, e devolve entendimento real. A diferença não está na tecnologia. Está em para que ela é usada: gerar mais conteúdo, ou gerar mais compreensão.

O NPS conversacional é uma aposta na segunda.

O que a funcionalidade entrega

Em vez de um campo aberto que a maioria ignora, a agente pergunta de volta, adapta a pergunta conforme a nota (detratora, neutra, promotora), e não solta a pessoa na primeira resposta rasa. O resultado, como você viu acima, não é só um número. É um mapa de fatores, com peso e volume, ligado a conversas reais que você pode reabrir a qualquer momento.

Um NPS tradicional te diria: “+7, com destaque para networking.” O nosso te diz isso, e também te entrega “LinkedDisney”, nomeado por gente de carne e osso, com peso suficiente para explicar por que a nota não é maior.

Dados dizem o quê. Clientes dizem o porquê. Agora, com o NPS conversacional, o NPS também diz.

Experimente você mesmo a pesquisa de NPS do LinkedIn.

Quer testar o NPS conversacional no seu produto? Marque uma sessão de demo com os founders.

Ficou um material que eu não usei, e ele é mais interessante que o diagnóstico. Junto com as reclamações, as pessoas ofereceram sugestões. Ninguém pediu. Elas simplesmente descreveram o que queriam, com a clareza de quem convive com o problema todo dia.

Sem workshop de ideação, sem post-it. Só perguntas abertas e gente falando.

O que elas contaram

Perguntem pra gente. Esse foi o pedido mais recorrente, e o mais desconcertante.

“Poderia ter a possibilidade de conversar com a plataforma pra ela entender o que você gostaria de ver naquele dia.”

“Acho que ela poderia me fazer perguntas, ou mesmo pedir pra dar notas pro que já assisti. Hoje em dia é apenas curtir ou não curtir.”

“O algoritmo da Netflix não oferta coisas que eu gosto. Poderia ter um questionário mínimo pra que a oferta fosse mais assertiva.”

As pessoas estão pedindo, com todas as letras, para serem perguntadas. Elas percebem que o produto tenta adivinhar o que elas querem, erra, e nunca faz a coisa mais simples: perguntar.

Tragam a crítica pra dentro. Como elas saem da plataforma para ver nota antes de decidir, a sugestão veio pronta:

“Uma ótima ideia seria a Netflix já trazer uma lista de filmes e séries organizada pelas avaliações dos principais sites de crítica, tipo o IMDb.”

Deixem a gente no controle.

“Permitir que o usuário monte seus próprios filtros.”

“Eu mudaria a disposição das ofertas, criaria outras categorias, já que a diversificação do serviço é gigantesca.”

Considerem o meu momento.

“Como é algo que depende do humor do dia, talvez algo relacionado a isso?”

A resposta que me deixou sem chão

No meio das conversas, alguém respondeu à pergunta sobre o que resolveria o problema dela na Netflix:

“Sim, um chat ou agente de IA conversacional igual você ajudaria.”

Lê de novo, com o contexto: ela estava sendo entrevistada por uma agente de IA conversacional. E disse, para a agente, que uma agente resolveria o problema dela. Ela viveu a solução no momento em que a descreveu.

Ela sentiu, na própria conversa, a diferença entre ser adivinhada e ser perguntada. E soube nomear.

Nenhum dashboard produziria essa lista

Pensa no que a Netflix tem. Todo o histórico de cliques, tempo de tela, taxa de conclusão, testes A/B rodando o tempo todo. E pensa no que os dados diriam sobre esses pedidos.

O dado mostraria que as pessoas passam muito tempo na tela de navegação. Ele não diria que elas querem ser perguntadas. O dado mostraria que elas abandonam a sessão. Ele não diria que elas foram ver a nota no IMDb e não voltaram. O dado mostraria queda no engajamento numa terça à noite. Ele não diria que a pessoa estava exausta e queria algo leve.

Tudo isso saiu de conversas de poucos minutos, em dois dias, sem agendar nenhuma entrevista.

Isso não é um roadmap

E aqui vem a parte que importa, principalmente para quem faz produto.

Nada do que está aí em cima é uma lista de coisas para construir. A conversa não dá a resposta. Ela aproxima a gente do problema, e às vezes chega com sugestões de solução. Mas a responsabilidade de extrair o insight, e depois encontrar a solução que faz sentido, continua sendo de quem faz produto.

Quando alguém pede “um questionário mínimo”, o valor não está no questionário. Está no que aquilo revela: essa pessoa quer ser ouvida em vez de adivinhada. A solução certa pode ser outra coisa completamente, e descobrir qual é passa por discovery de solução, testar, medir, aprender.

Lembra do que vimos no post sobre ROI: cerca de dois terços das ideias de produto falham em melhorar a métrica que deveriam. Conversar com cliente não muda essa estatística. O que muda é a qualidade do que entra na fila de teste. Uma hipótese que nasceu de uma dor real, ouvida de dezenas de pessoas, tem mais chance de estar no terço que dá certo do que um palpite de sala de reunião.

E, no fim, o trabalho de produto continua sendo o mesmo de sempre: encontrar a solução que resolve o problema da cliente e gera resultado para a empresa. A conversa não substitui esse trabalho. Ela dá matéria-prima melhor para fazê-lo.

E as suas clientes?

Elas convivem com o seu produto todo dia. Já sabem o que está errado, já imaginaram como seria melhor, e provavelmente já resolveram por fora aquilo que você não resolve por dentro.

Elas não têm o seu roadmap. Mas têm o problema que ele deveria resolver. Só ninguém perguntou.

Dados dizem o quê. Clientes dizem o porquê. E cabe à gente descobrir o como.

Quer ver como é? Experimente ser entrevistado pela ReveLumi sobre como você escolhe o que assistir.

Marque uma sessão de demo com os founders
Se você quer conhecer mais sobre a ReveLumi, agende uma sessão de demo com o Anderson e comigo para a gente te mostrar o que a ReveLumi faz hoje, o que estamos pensando para ela no futuro e para tirar todas as suas dúvidas.

Então por que a gente ainda entra, passa vinte minutos rolando a tela, e sai sem assistir nada?

Fiz essa pergunta para 159 pessoas, em conversas pelo WhatsApp. As respostas foram notavelmente parecidas, e apontam todas para o mesmo lugar.

As pessoas saem da Netflix para decidir o que ver na Netflix

Esse foi o padrão mais forte, e o mais revelador. Um monte de gente descreveu o mesmo ritual: abre a Netflix, não decide, sai para outro lugar, e às vezes volta.

“Primeiro entro na plataforma, confiro as sugestões e novidades, mas acabo decidindo com o ChatGPT ou com algum resultado de busca no Google.”

“Fico pesquisando reviews online, tipo IMDb. Coisa que a Netflix não oferece.”

“Não vejo nenhum filme sem saber a nota da crítica antes.”

Pensa no que isso significa. Uma das plataformas com mais dados sobre o que a gente gosta não consegue nos convencer a apertar o play sem que busquemos a opinião de um crítico, de um amigo, ou de um estranho no TikTok. O dado não fecha a decisão. A conversa com outra pessoa fecha.

O dado sabe o que a gente viu. Não sabe quem está no sofá.

Uma resposta explicou, sozinha, uma das maiores limitações do dado de comportamento:

“Uso a Netflix junto com meu namorado, então o algoritmo fica ampliado e me faz recomendações erradas, mais direcionadas pra ele do que pra mim.”

O histórico é de um perfil. Mas o perfil não é uma pessoa, é às vezes duas, três, uma família inteira num sofá. O dado registra os cliques, não sabe quem segura o controle hoje. E ninguém vai avisar o algoritmo “hoje sou só eu” ou “hoje é o casal”. Isso só apareceria se alguém perguntasse. E foi o que aconteceu, usei a ReveLumi para perguntar e as pessoas responderam.

“Depende do meu humor”

Essa frase, ou uma versão dela, apareceu várias vezes:

“Depende do dia. Há dias que escolho qualquer coisa, há dias que navego mais.”

“Depende muito do meu humor.”

O que a gente quer assistir numa terça exausta depois do trabalho não tem nada a ver com o que a gente quer numa sexta relaxada. É a mesma pessoa, o mesmo histórico, o mesmo dado. O que mudou foi o estado da pessoa naquela noite. E o estado de espírito não está no histórico de cliques. Nenhuma quantidade de dados comportamentais captura o “como você está se sentindo hoje”, porque isso não é um comportamento passado, é um contexto presente. Só uma pergunta alcança.

O custo de não saber o porquê

O mais interessante é que a falha não é só de experiência. Ela vira problema de negócio, na voz das próprias pessoas:

“Era para ser um momento de relaxamento e não consigo relaxar. Muitas vezes acabo indo para outros streamings.”

“Já aconteceu de desistir de assistir, mas o mais comum é ir buscar algo em outro streaming.”

Quando a recomendação não entende a pessoa, ela não fica olhando para sempre. Ela sai. Vai para o concorrente ou desiste da noite. Todo o dado do mundo não impede isso, porque o que falta não é mais dado sobre o passado dela. É entender o que ela quer agora e por quê.

O que isso tem a ver com o seu produto

A Netflix é o caso extremo e é por isso que ele ensina. Se uma das empresas com mais dados comportamentais do planeta ainda perde a pessoa na hora de decidir, o que te faz achar que o seu dashboard responde a todas as perguntas do seu produto?

Dado é um retrato do que aconteceu. Ele é bom nisso e a gente precisa dele. Mas ele não conta por que aconteceu, nem o que a pessoa sentia, nem o que ela quer agora. Esse pedaço, o mais importante para decidir, mora num lugar só, na conversa.

Dados dizem o quê. Clientes dizem o porquê. A Netflix tem dado de sobra, e mesmo assim a gente sai para perguntar a um amigo o que assistir. Talvez seja hora de perguntar às suas clientes o que os seus dados não contam.

Quer sentir na pele? Experimente ser entrevistado pela ReveLumi sobre como você escolhe o que assistir na Netflix.

Marque uma sessão de demo com os founders

Se você quer conhecer mais sobre a ReveLumi, agende uma sessão de demo com o Anderson e comigo para a gente te mostrar o que a ReveLumi faz hoje, o que estamos pensando para ela no futuro e para tirar todas as suas dúvidas.

“As pessoas ainda preferem falar com humanos. Se abrir com humano, não é todo mundo que vê com bons olhos um contato que, por mais humanizado que seja, ainda assim não é uma pessoa ali do outro lado.”

E foi além. Sugeriu o caminho para resolver a dúvida:

“O ideal seria talvez um teste, para validar se as pessoas realmente não se abrem com algo que não é humano.”

Ela tinha razão em pedir o teste. E o teste estava acontecendo enquanto ela falava.

Repare no que ela fez! Para nos dizer que as pessoas não se abrem com uma IA, ela se abriu com uma IA. Contou da cultura da empresa dela, das dúvidas dela, do que a faria ou não adotar uma ferramenta. Um parágrafo longo, pensado, sincero, escrito para a nossa agente, no WhatsApp. A dúvida dela já vinha com a resposta embutida.

E não foi só ela.

O que 149 conversas mostraram

Até o momento temos 149 conversas sobre como pessoas de produto fazem discovery, todas com insights valiosos, muitas em respostas longas, reflexivas, das que não se escreve com receio de se abrir.

Uma pessoa desabafou uma derrota interna que dificilmente contaria numa sala de reunião:

“Eu sempre defendi isso, mas fui dilacerado.”

Outra reconheceu, sem defensiva, uma limitação da própria senioridade:

“Atualmente eu não entrevisto nenhum usuário. Como sou júnior, meu discovery começa por aí.”

Outra expôs a falha do próprio empregador, com uma franqueza rara:

“No banco em que trabalho, não é realizado nenhum tipo de discovery contínuo. Corremos contra o tempo e sempre temos retrabalho.”

Ninguém é obrigado a confessar uma derrota para um formulário. Ninguém admite a própria inexperiência ou critica o próprio empregador numa pesquisa fria. Essas pessoas não estavam preenchendo um questionário. Estavam conversando.

Por que as pessoas se abrem

O que vemos na dinâmica de conversas com IA é que três coisas baixam a guarda das pessoas, e nenhuma delas depende de fingir que a agente é humana:

• A primeira é o tempo da pessoa. A conversa é assíncrona. Ninguém está esperando do outro lado; ninguém olha no relógio. A pessoa responde quando quer, do jeito que quer, com a profundidade que quiser. Some a pressão de performar que existe numa call agendada, onde você sente que está tomando o tempo de alguém.

• A segunda é a ausência de julgamento. Dizer “sou júnior, meu discovery começa por aí” para outro profissional custa. Dizer para uma agente que só quer entender, não custa. Sem plateia, sem hierarquia, sem o risco de parecer pouco. O receio diminui porque não há ninguém para impressionar.

• A terceira é o lugar. A conversa acontece no WhatsApp, onde a pessoa já vive. Não é um link estranho, não é uma sala de videoconferência, não é um software novo para aprender. É o mesmo app onde ela fala com a família e com o time. O ambiente é familiar, e o familiar relaxa.

A dúvida estava certa, e a resposta também

A participante perguntou se as pessoas se abrem com algo que não é humano. A resposta honesta é: sim, e às vezes mais do que se abririam com um humano. Não porque a agente engana alguém; ninguém ali pensa que está falando com uma pessoa. Mas porque a ausência de outro humano remove exatamente o que trava a conversa, o relógio, o julgamento, a formalidade.

Ela pediu um teste. Até o momento, 149 conversas, incluindo a da pessoa que tinha a dúvida, mostraram que as pessoas se abrem sim com uma IA.

Dados dizem o quê. Clientes dizem o porquê. E, ao que tudo indica, dizem o porquê com uma franqueza que pode até ser maior do que em conversas com humanos.

Criei uma pesquisa, gerei um link e o postei em alguns grupos de produto pedindo ajuda num discovery sobre como as pessoas fazem discovery. Um meta-discovery. A primeira mensagem saiu às 11h. Três horas depois, eu já tinha 42 conversas com insight. Dois dias depois, 82, com 46 completas. Não agendei nada, não recrutei ninguém, não participei de uma única conversa. A síntese estava pronta quando abri o relatório.

O resultado da pesquisa é que a maior barreira para falar com cliente é operacional, agenda e recrutamento. E a forma como rodei essa pesquisa removeu essa barreira por completo. O método é a prova do achado.

A dor é operacional, e é a mesma em todo lugar

As pessoas descreveram a mesma dificuldade de forma recorrente. Agendas que não batem. Recrutamento que se arrasta. Gente que não aparece. E-mails sem resposta.

“Muita vontade, mas é extremamente difícil isso acontecer sem trabalho de agendamento: agendar, cancelar, não aparecer, aparecer sem tempo.”

Essa foi a visão da maioria, com folga. As pessoas sabem que deveriam falar mais com usuárias. Só não conseguem porque a operação engole o tempo.

“Falamos menos do que gostaríamos com as usuárias. Muitas frentes com urgência, trabalho mais técnico do que discovery propriamente dito.”

Em um banco, alguém foi direta sobre o custo disso:

“Não fazemos nenhum discovery contínuo. Entrevistamos as usuárias quando estamos prestes a iniciar o desenvolvimento. É corrido e sempre temos retrabalho.”

A decisão de budget para resolver mora longe da dor

Esse é o achado que eu suspeitava e não tinha confirmado. Quem sente a dor está em produto e design. Quem aprova o budget está acima.

“A demanda parte de produto e design, o ROI precisa estar muito bem provado, e daí é feito um business case que precisa ser aprovado pelo CTO, mediante ter espaço no orçamento anual.”

Uma participante de produto cravou o desalinhamento em uma frase:

“Só produto e design falam com clientes. Então só nós sentimos essa necessidade.”

E outra mostrou a consequência mais silenciosa disso. Quando quem sente a dor não enxerga uma solução, nem chega a levar o problema para a liderança:

“Não falo pela liderança. Eu mesma não levo para eles, porque não tem solução hoje.”

Quem sente a dor não é quem decide a compra. E, às vezes, nem leva a dor adiante.

Remover a barreira se paga em decisão melhor

Quando perguntamos o que mudaria com acesso contínuo e direto às usuárias, as respostas convergiram. Decisão mais rápida, menos ruído, menos retrabalho.

“Teríamos decisões mais rápidas e com menos ruído. Hoje a necessidade chega já interpretada por outras áreas, e o contexto se perde no caminho.”

Outra resumiu o ganho de confiança:

“Ajudaria a validar hipóteses com mais velocidade, reduzir retrabalho e aumentar a confiança nas priorizações.”

O prêmio por resolver um problema operacional acaba sendo estratégico.

O ROI, em duas partes

O retorno do investimento em melhorar o discovery tem duas partes, de naturezas diferentes.

ROI operacional:

• Fazer 82 conversas qualitativas à mão (recrutar, agendar, conduzir, transcrever, analisar, sintetizar) levaria semanas de trabalho.

• Eu tive a síntese completa pronta em dois dias, sem agendar nada, com os primeiros resultados em 3 horas.

ROI estratégico:

• Semanas de desenvolvimento economizadas a cada hipótese ruim que o time deixa de perseguir. E a maioria das hipóteses é ruim. Ron Kohavi, que liderou experimentação na Microsoft e na Airbnb, documentou que cerca de dois terços das ideias de produto não melhoram a métrica que deveriam e que, em empresas maduras, essa taxa chega a 80% ou 90%.

• O custo de manter o time perseguindo a coisa errada. Uma squad de seis pessoas custa, no Brasil, por volta de 200 mil reais por mês; nos EUA, 80 mil dólares; e na Europa, 50 mil euros. Um mês na direção errada é esse valor inteiro queimado.

• O custo evitado de construir o produto errado. Em 2010, na Locaweb, uma conversa com clientes nos fez abandonar o desenvolvimento de um marketplace antes de escrever qualquer linha de código. Os dados diziam para seguir; a conversa revelou por que não. Evitamos o custo de construir a coisa errada e também o de operar um produto fadado ao fracasso desde a concepção.

Usar uma ferramenta para ajudar a conversar com clientes não economiza só horas de trabalho operacional. Economiza o custo de uma squad inteira rodando na direção errada e, às vezes, evita o erro que você só perceberia tarde demais.

O que estamos fazendo com isso

O segundo achado é desconfortável para nós. Significa que a pessoa que mais ama a ReveLumi, a gerente de produto e a researcher afogadas em agendamento, muitas vezes não são quem pode comprar.

Dá para reagir a isso de dois jeitos. Tentar criar a dor em quem tem o budget, o que é lento e caro. Ou armar quem já sente a dor com o que ela precisa para defender a compra. Nesse momento escolhemos o segundo. A gerente de produto e a researcher que querem usar a ReveLumi não precisam montar o business case sozinhas. Esse vira o nosso trabalho: entregar a ela o ROI, as métricas, o argumento que uma diretora aprova.

Esses insights não vieram de um offsite de estratégia ou de um slide de consultoria. Veio de 82 conversas que, dois anos atrás, levariam semanas e provavelmente nunca teriam acontecido. Os obstáculos teriam vencido.

Dados dizem o quê. Clientes dizem o porquê. A razão dos times pararem no dado é que a conversa é difícil demais de ter. Remova esse atrito e o porquê volta. É isso que estamos construindo. Eu tinha uma dúvida real sobre a própria ReveLumi e clareei em poucas horas, com dezenas de conversas com usuárias reais.

Para levar à liderança

Se você leu até aqui, é provável que sinta essa dor operacional na pele, e que a decisão de investir não seja só sua. Então use este texto. Encaminhe para quem decide o budget na sua empresa. Os números estão aqui, a lógica está aqui, o ROI está aqui. A conversa com cliente gera decisão mais rápida e menos retrabalho, e hoje existe uma forma de ter essas conversas sem o atrito que sempre as impediu. Essa é a parte que cabe a quem aprova o investimento ouvir.

Por aqui vamos falar sobre a importância de ouvir clientes, técnicas para fazer isso melhor e o que estamos aprendendo enquanto construímos a ReveLumi. Tudo com um objetivo: tomar decisões melhores a partir de conversas reais.

Começo com um caso que ficou marcado na minha memória, de quando estava na Locaweb em 2010.

Numa conversa com a Irene Liakos, fundadora do Product Circle, chegamos a um ponto que não saiu da minha cabeça. A gente estava falando sobre por que tantas equipes de produto acumulam dados e, ainda assim, tomam decisões erradas. Irene trouxe um insight muito bom:

Esse insight me lembrou de uma situação que vivemos na Locaweb. Em 2010, estávamos avaliando criar e operar um marketplace para conectar desenvolvedores de sites e pessoas e empresas que queriam ter um site. No papel fazia bastante sentido. Éramos a maior empresa de hospedagem do Brasil, tínhamos lançado com sucesso o Criador de Sites e a Loja Virtual, e servíamos os dois lados desse mercado há anos. Os dados de uso dos nossos produtos indicavam que uma intermediação desse tipo já ocorria de forma orgânica. Faltava apenas um agente no meio para organizar, qualificar e monetizar esse fluxo.

Os dados eram claros e o racional parecia sólido. Só que estávamos errados…

Quando começamos a conversar com as clientes, surgiu algo que nenhum dado conseguia mostrar. Nessa relação entre quem desenvolve e quem quer um site, há uma série de compromissos firmados de prazo e escopo. São acordos informais, negociados diretamente entre as duas partes. Quando um marketplace entra no meio, quem quer o site passa a transferir esses compromissos para o intermediador. E a Locaweb não queria e nem tinha as habilidades necessárias para assumir esse papel. Desistimos do produto.

A decisão certa só foi possível porque saímos dos dashboards e fomos conversar. Dados são indispensáveis. Eles dizem o que aconteceu: quantas pessoas acessaram, onde clicaram, onde saíram, o que compraram, o que ignoraram. Com volume suficiente, você identifica padrões, anomalias, oportunidades. É uma camada de inteligência de que nenhuma empresa séria pode abrir mão.

Mas dados não têm motivação. Eles registram comportamento, mas não contam por que ele aconteceu. Mostram o movimento, não o motivo. E é no motivo que estão as decisões mais importantes: as que evitam um produto errado, as que revelam um problema que ninguém havia articulado, as que mudam a direção antes de você gastar meses construindo a coisa errada. O porquê só aparece na conversa.

O problema é que conversar com clientes em escala é difícil. Organizar entrevistas, conduzir as sessões, processar transcrições, extrair insights de 15 ou 20 conversas diferentes, isso consome um tempo que a maioria das equipes não tem. O resultado prático é que as equipes sabem que deveriam falar mais com clientes, mas não falam. Ficam com os dados. E os dados dizem o quê, não o porquê.

Foi exatamente esse atrito que me levou a construir a ReveLumi, junto com Anderson Borges. A ideia é simples, uma agente que conduz pesquisas qualitativas via WhatsApp, sintetiza os insights e devolve o porquê em escala. Não para substituir a conversa humana, mas para remover as barreiras que impedem as equipes de ter essas conversas com frequência.

Quinze anos depois da Locaweb, continuo vendo o mesmo padrão. Equipes com dashboards excelentes tomando decisões que uma conversa de 30 minutos teria evitado. E foi isso que a conversa com a Irene me lembrou, de novo, na semana passada.