Evelyn SouzaUX Specialist & Product Designer
Todos os projetos

Case 01Toro Investimentos / Santander CorretoraAutomatização do NPS

NPS com IA

Transformei um processo manual e recorrente de classificação de feedbacks em um fluxo apoiado por inteligência artificial, reduzindo o esforço operacional e ampliando as possibilidades de análise da voz do cliente.

Fluxo de análise de NPS: comentários de clientes entram no Google AI Studio, que classifica por grupo, categoria e sentimento; o Claude analisa padrões e gera insights; o NotebookLM consolida o conhecimento da voz do cliente. À direita, exemplos de classificação por Grupo, Categoria e Sentimento, com percentuais ilustrativos.

Representação do fluxo. Os comentários e percentuais exibidos são dados ilustrativos.

01Contexto e problema

Muito tempo classificando. Pouco tempo analisando.

Toda semana, os comentários de NPS eram lidos e classificados manualmente antes de qualquer análise começar.

Classificação manual
  1. 01Leitura e classificação 100% manuais.
  2. 02Processo semanal e repetitivo.
  3. 03Dificuldade em manter a rotina atualizada.
~380comentários por semana
~4hpor semana na classificação
Planilha com comentários de NPS classificados manualmente nas colunas Grupo e Categoria. Os comentários dos clientes aparecem desfocados.
Exemplo dos comentários classificados manualmente.

02Solução e experimentação

Da classificação manual a um fluxo com IA.

A proposta foi automatizar a classificação do NPS usando o Google AI Studio, com entrada via arquivo CSV. A IA lê, interpreta e classifica os comentários em:

  • Grupo
  • Categoria
  • Sentimento
Trecho do prompt estruturado, com as seções Contexto e Objetivo. O texto aparece desfocado.
O prompt

A IA precisa ser treinada, o prompt é esse treinamento.

Contexto
Quem é a IA, o que é o produto, qual o objetivo do projeto.
Objetivo
O que exatamente a IA deve classificar e como devolver o resultado.
Regras
Limites, restrições e como tratar casos ambíguos.
Exemplos
Amostras reais de classificação correta para calibrar a resposta.

Mais contexto = melhores resultados.

Processo de refinamento

Iterações

Os primeiros resultados não eram consistentes. O prompt passou por testes e ajustes até a classificação se tornar coerente.

Primeiro prompt enviado, pedindo ajuda para classificar uma planilha de NPS em Grupos e Categorias, seguido da lista de grupos. O texto aparece desfocado.
Primeiro prompt enviado.
Planilha devolvida nas primeiras tentativas, com colunas preenchidas de forma aleatória. O conteúdo aparece desfocado.
Resultados com preenchimentos aleatórios.

03Evolução

Classificar era só o começo.

Com a classificação automatizada, o fluxo ganhou novas etapas: cada ferramenta assumiu um papel, da organização dos comentários ao acesso aos dados.

  1. 01 · Classificação

    Google AI Studio

    Classifica os comentários por grupo, categoria e sentimento.

  2. 02 · Análise

    Claude

    Aprofunda a análise: identifica padrões e tendências, reúne os principais insights e sugere ações por categoria.

  3. 03 · Acesso aos dados

    NotebookLM

    Consolida os relatórios em uma base de conhecimento interativa, onde designers, PMs e stakeholders fazem perguntas e obtêm respostas baseadas na voz real dos usuários.

O prompt da análise é refinado de acordo com a análise a ser feita: quanto mais contexto do produto e do objetivo da análise, melhores os insights e acionáveis.

Segurança dos dados

As informações sensíveis são removidas antes do envio dos arquivos às ferramentas de IA.

Esse processo é aplicado tanto para o Google AI Studio quanto para o Claude.

  1. 01Dados brutosArquivo original com todos os campos.
  2. 02Remoção de dados sensíveisQualquer dado que possa identificar o cliente.
  3. 03Arquivo limpoApenas nota, classificação e comentário permanecem.
  4. 04Upload para IASem dado pessoal.

04Resultados

Menos esforço operacional. Mais espaço para gerar insights.

~4hAntes, por semana

~5–10 minCom IA, por semana

A classificação passou a ser automática, com redução significativa do esforço manual.

Com menos tempo dedicado a classificar, abre-se espaço para aprofundar a análise da voz do cliente e apoiar decisões de produto com mais contexto.