O Problema
O cliente chegou com um pedido clássico: “queremos um robô que tire dúvidas dos clientes e nos ajude a vender mais, sem aumentar o time de atendimento. Queremos ter a classificação de leads de forma mais dinâmica, impactando mais clientes do que nossa equipe atualmente consegue atingir.”
A ideia central é simples: enquanto o agente tira dúvidas dos usuários, ele também entende o momento e o cenário em que a empresa do usuário se encontra, fazendo o perfilamento do usuário para melhor direcioná-lo. O cliente não queria apenas automação; queria entender melhor quem estava do outro lado para oferecer o produto certo, do jeito certo, no momento certo.
As principais dores eram:
- Falta de personalização em escala: o time humano não conseguia manter o mesmo nível de personalização em escala, especialmente em horários de pico e fora do horário comercial.
- Classificação manual e lenta de leads: os leads demoravam mais para ser classificados, pois a classificação ocorria de forma manual, o que consumia tempo e fazia com que menos clientes fossem atendidos rapidamente.
Mas o que é um egograma?
O egograma é uma ferramenta da Análise Transacional que representa, de forma gráfica, como diferentes estados do ego aparecem no comportamento de uma pessoa: o “Pai”, o “Adulto” e a “Criança”, em seus diversos subestados. Em termos práticos, isso se traduz em padrões de comunicação e tomada de decisão: como a pessoa fala, reage, pergunta e decide em uma interação.
Para negócios, isso é extremamente útil porque:
- Permite identificar perfis comportamentais a partir da própria conversa, sem depender apenas de formulários frios ou testes explícitos. Ajuda a adaptar linguagem, profundidade da explicação, tipo de argumento (segurança, resultado, novidade, pertencimento etc.) e até o timing do call-to-action.
- Em vez de tratar o “perfil” como um rótulo estático, o egograma ajuda a enxergar o usuário como um conjunto de tendências de comportamento na interação, o que é perfeito para um agente conversacional de vendas e atendimento.
Entendendo o Agente
Para atingir a expectativa do cliente, nosso agente deveria entender quais perfis podem ser usados para classificação, quais questões perguntar para extrair as melhores informações e como cruzar esses dados. Além disso, o agente deveria saber quando responder dúvidas sobre os produtos oferecidos, caso necessário.
Ou seja, o agente deveria:
- Responder dúvidas institucionais (quem é a empresa, credenciais, diferenciais) e dúvidas específicas sobre o produto.
- Perfilar o usuário ao longo da própria conversa, sem quebrar a fluidez do atendimento e sem parecer um “questionário de teste de personalidade”.
- Classificar o usuário em um conjunto de perfis egogramáticos definidos com o time do cliente.
- Usar esse perfil para:
- Adaptar o produto oferecido.
- Adaptar o direcionamento dado ao cliente.
- Enviar o lead, já segmentado, para o time comercial ou para o próximo passo do funil.
1. Levantamento de dúvidas frequentes
O primeiro passo foi mapear o terreno:
- Coletamos as principais dúvidas reais dos clientes, tanto institucionais quanto sobre produtos, a partir de históricos de atendimento. Nesse primeiro momento, fizemos o levantamento das dúvidas gerais quanto à instituição, produtos, catálogo e relacionados.
Com isso, construímos um fluxo conversacional que não era apenas um FAQ automatizado, mas uma jornada que misturava esclarecimento de dúvidas, educação e qualificação.
2. Levantamento de perfis
Entendendo os perfis egogramáticos definidos pelo cliente, tivemos uma base de como o usuário fala, seus problemas e questões, e como podemos direcioná-lo dado seu perfil.
3. Conversando com o cliente
Egograma pode ser usado de várias formas, mas aqui o foco não era diagnóstico psicológico, e sim leitura prática do momento do negócio do cliente. Durante a conversa, o agente deve entender seus problemas, suas dificuldades, seus questionamentos, seu dia a dia e o cenário onde se encontra no geral.
Em vez de perguntas do tipo “Você é mais racional ou emocional?”, o agente fazia perguntas contextualizadas:
- Como a pessoa prefere tomar decisões.
- Qual sua dificuldade no dia a dia.
- Qual seu sentimento quanto ao seu negócio.
- E por aí vai.
O modelo classificava o usuário com base nas respostas e no estilo de interação — não só no conteúdo, mas na forma: objetividade, quantidade de detalhes, nível de questionamento, entre outros. A partir daí, o perfil egogramático passava a ser uma variável ativa dentro do próprio fluxo.
4. Personalização do atendimento e das recomendações
Depois de identificado o perfil, o agente começava a adaptar:
- As recomendações de produto: o agente sugeria combinações de produtos e planos com maior aderência ao perfil e à dor identificada.
- O aconselhamento ao cliente de acordo com seu perfil.
Ao final da conversa, o lead era salvo com:
- Perfil egogramático.
- Histórico de informações relevantes.
- Se ele já teve contato com algum produto.
Isso muda completamente a qualidade do contato que chega no time comercial.
Resultados observados na operação
Mesmo sem entrar em números específicos, alguns efeitos ficaram claros para o cliente:
- Leads mais qualificados: o time de vendas passou a receber contatos já com contexto e perfil mapeado, o que encurta o ciclo de entendimento na call e aumenta a taxa de conversão.
- Atendimento mais consistente: o agente passou a responder dúvidas frequentes 24/7 com qualidade estável, reduzindo a sobrecarga do time humano e liberando as pessoas para casos mais complexos.
- Personalização em escala: perfis que antes dependiam do “feeling” de cada atendente passaram a ser tratados de forma sistemática pelo robô, com roteiros e recomendações adaptados automaticamente.
Para o cliente, isso significou menos esforço operacional para manter um atendimento de qualidade e mais inteligência na forma como cada usuário é conduzido no funil. Este é um caso de como tecnologias de agente, egograma e integrações com dados do negócio podem ser combinadas para resolver um problema muito humano: como falar com cada pessoa do jeito certo e oferecer o que realmente faz sentido para ela.
No fim, o que entregamos não foi apenas um robô que responde dúvidas, mas um agente que:
- Aprende sobre o usuário enquanto atende.
- Ajusta a conversa ao perfil comportamental.
- Entrega um lead muito mais qualificado para o time de vendas.
- Funciona 24/7.