Arquitetura de inteligência do cliente: como consolidar dados internos e sinais públicos para priorizar ações

Em painel no Fórum E-Commerce↳E-commerce21 conteúdosECBR Club: novo espaço para devs se conectarem ao ecossistema de e-commerceDev (Back & Front) · mai 2025TOTVS anuncia joint venture com VTEXMarketing Tech · mai 2019Jovens da Brasilândia recebem formação gratuita em tecnologiaGestão Dev & TI · jul 2025Ver tudo em Marketing Tech → Brasil 2026, foi relatado como a unificação de NPS, CSAT, tickets e reviews externos reduziu reclamações de logística de 20% para 8% em seis meses.

Numa plenária de tecnologia do Fórum E-Commerce Brasil 2026, um painel discutiu algo que soa familiar para quem trabalha com dados e descoberta: o problema raramente é falta de informação, é a informação fragmentada. Cada área tem sua própria "verdade" sobre o cliente, e sem uma base única ninguém consegue priorizar direito. A transcrição ao vivo captada pela redação (link junto desta matéria) traz um relato concreto de como uma operação de varejo montou o que chamaram de "camada de inteligência sobre o cliente".

O problema: cada área com seu próprio dado

O ponto de partida citado no painel é cultural, mas tem raiz técnica. Quando "a área X diz que o cliente tem uma experiência e o dado da área X diz outra coisa", não existe priorização possível, existe disputa de narrativa. A defesa apresentada foi a fonte única centralizada, com uma ressalva importante: consolidar dados só faz sentido se as áreas colaboram sobre aquela base, em "territórios compartilhados", e não usam o número para apontar culpados.

Para quem pensa em dados, a analogia com SEO técnico é direta: um número que ninguém confia é como métrica sem instrumentação, gera reunião, não decisão.

A troca de métrica: de NPS genérico para CSAT por contato

Um dos relatos mais úteis foi a mudança de instrumentação. A empresa media tudo com NPS, indistintamente, para qualquer contato do cliente. O problema é que o NPS mistura percepção de jornada e de marca com atritos pontuais, o dado ficava "tudo misturado".

A solução foi passar a usar CSAT por tipo de contato (SAC, logística, entrega), mantendo o NPS para a leitura de marca. Segundo o relato, foi aí que "começaram a aparecer onde estavam as fricções". A lição de medição vale além do e-commerce: métrica agregada demais esconde a causa raiz. Você precisa da granularidade certa para o tipo de decisão que quer tomar.

Análise de feedback em escala

O gargalo seguinte é volume. A operação lida com algo na ordem de meio milhão de respostas, e uma fatia grande dos clientes escreve comentários abertos, não só dá nota. Ler isso "na unha" é inviável. A tecnologia (mencionada como Bird, sem URL confirmada na transcrição automática) entra para classificar os comentários pelo verbatim, separando por tema e por grau de impacto.

Um exemplo concreto ilustrou por que ler o texto importa: clientes reclamavam quando o produto prometido em 5 dias chegava em 2. Para a empresa parecia ótimo; para o cliente que se programou para receber em casa no quinto dia, era um atrito. A conclusão prática foi contraintuitiva: manter a promessa de 5 dias em vez de antecipar. Sem análise do texto aberto, esse sinal se perderia numa nota baixa inexplicada.

Priorizar por esforço x impacto

O painel foi enfático em separar dores por quanto custa resolver versus quanto impacto geram. Alguns pontos eram quick wins (mudança de processo, não de produto); outros exigiam mais tempo. Direcionando o plano de ação para "as dores que impactam", o número citado foi de queda de reclamações de logística de 20% para 8% em seis meses, cerca de 12 pontos.

Vale o ceticismo saudável: são números autorreportados num painel patrocinado, sem metodologia detalhada. O mecanismo, porém, é sólido, e replicável.

O pulo do gato: análise cruzada entre fontes

A parte mais interessante para quem monta arquitetura de dados foi a análise cruzada, não apenas centralizar fontes, mas conectá-las na linha do tempo do mesmo cliente. Cruzando transcrição de atendimento com CSAT e NPS, a equipe descobriu um caso em que o cliente dava nota ruim ao atendimento e boa à entrega por atribuir ao SAC a resolução de um problema que, na prática, já estava encaminhado na logística. O verbatim revelou a percepção equivocada, e apontou onde o processo de atendimento falhava em comunicar.

Essa lógica se estende a sinais públicos: reviews de concorrentes e reclamações externas entram como aprendizado. A pergunta que sintetiza o approach: "esse detrator virou detrator por qual regra lá no ticket três meses atrás? Daqui duas semanas ele aparece no Reclame Aqui?"

O que dá para levar

• Instrumente por tipo de contato, não com uma métrica genérica.
• Meça antes e depois de cada ação e mostre a evolução do número para ganhar tração entre áreas.
• Trate texto aberto como dado estruturável, é onde mora a causa raiz.
• Priorize por esforço x impacto, não por quem gritou mais alto.
• Cruze fontes na linha do tempo do cliente, incluindo sinais externos.

Fonte 1: Transcrição ao vivo — Plenária Tecnologia & Inovação (10:30–11:00) (https://steady-parrot-887.convex.site/transcricao/janela?stage=k17byz7xd80mzg37nvcg271b258bbs7z&de=1785418200000&ate=1785420000000)

Transcrição automática do palco Plenária Tecnologia & Inovação, no evento Fórum E-Commerce Brasil 2026. Janela (Brasília): 10:30 até 11:00. Palestra provável nesse horário (agenda oficial, pode ter atrasado): IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → x IA: o ataque e a defesa já mudaram três vezes enquanto você lia este título Nota editorial: material captado ao vivo pela redação do iMasters no evento (mesmo grupo, acesso oficial ao conteúdo dos palcos). A transcrição é automática — nomes próprios, números, siglas e citações podem conter erro de reconhecimento; confirme em fonte independente antes de afirmar. NÃO atribua falas a palestrante específico a partir deste material.

Fonte: Transcrição ao vivo — Plenária Tecnologia & Inovação (10:30–11:00)