ChatGPT para escavar oportunidades em conversas e segurar clientes

Recentemente li sobre como o ChatGPT consegue encontrar oportunidades escondidas em conversas com clientes. A notícia me fez parar porque, no meu time de Customer Success e Inside Sales na UNODATA, é exatamente isso que tentamos fazer todos os dias. O telefone toca e, em menos de cinco minutos, já sabemos se o cliente está prestes a sair ou se existe espaço para aumentar o ticket. Eu resolvi testar o ChatGPT em transcrições reais de chamadas para ver se ele enxergava o que nós estávamos deixando passar.

No começo foi só curiosidade. Peguei dez chamadas de renovação do último trimestre e joguei as transcrições no modelo com um prompt simples: extraia menções a concorrentes, reclamações de preço e pedidos de funcionalidades. O resultado apareceu em menos de dois minutos. Três clientes que classificamos como satisfeitos mencionaram, de forma indireta, que estavam testando outra ferramenta. Nós não tínhamos captado isso na hora.

Essa experiência me mostrou que a ferramenta não substitui o ouvido humano, mas acelera o que a gente já deveria estar fazendo de forma manual. Em vez de revisar gravações de uma hora cada, passamos a focar nas partes que realmente importam.

O que realmente está sendo dito nas chamadas

Quando atendemos um cliente em momento de renovação, a conversa quase nunca é direta. O cliente fala de orçamento apertado, menciona que a equipe está testando outra solução ou reclama de uma funcionalidade que falta. Se a gente não registra essas frases com precisão, elas somem no meio da rotina.

Na UNODATA começamos a transcrever todas as chamadas de Inside Sales e CS desde o início do ano. No primeiro mês, notamos que 40% das chamadas de retenção continham pelo menos uma menção a concorrente. Antes da transcrição, esse número parecia ser bem menor.

O ChatGPT ajuda a organizar esse volume. Ele consegue apontar, por exemplo, que clientes do segmento de varejo reclamam mais de integração com ERP do que clientes de serviços. Com essa informação, o time de produto já sabe onde priorizar.

Três sinais que o modelo encontrou primeiro que a gente

• Menções repetidas à palavra “concorrente” em chamadas de renovação
• Pedidos de desconto acima de 15% sem justificativa clara de orçamento
• Referências a funcionalidades que a concorrência oferece e nós ainda não temos

Como usamos o ChatGPT sem perder o toque humano

Eu não deixo o modelo decidir sozinho. Depois que ele marca os trechos importantes, um analista do time revisa e adiciona contexto que só quem estava na chamada sabe. Às vezes o cliente fala de preço, mas na verdade está insatisfeito com o suporte. O ChatGPT não capta tom de voz.

Criamos um fluxo simples. Toda chamada é transcrita automaticamente. Em seguida, rodamos um prompt que pede três coisas: riscos de churn, oportunidades de upsell e pontos de melhoria no produto. O resultado vai para um dashboard que o time de CS consulta antes de cada renovação.

O mais útil foi cruzar esses dados com o NPS. Clientes que mencionaram concorrente na chamada e tinham NPS abaixo de 7 saíram em 60% dos casos nos últimos seis meses. Agora a gente prioriza esses clientes para uma conversa mais estruturada.

Um caso que mudou nossa abordagem de retenção

No mês passado, uma cliente de médio porte ligou para renovar. Durante a chamada, ela comentou que a equipe estava usando uma planilha paralela porque nossa ferramenta não gerava um relatório específico. O atendente registrou como pedido de melhoria e seguiu. Quando rodamos a transcrição no ChatGPT, ele destacou a frase e classificou como risco médio de churn.

Olhamos o histórico e vimos que o NPS dessa cliente vinha caindo há dois trimestres. Marcamos uma reunião com o time de produto e mostramos o recorte da conversa. Em três semanas entregamos o relatório que ela precisava. A renovação aconteceu com aumento de 12% no ticket.

Esse caso mostrou que a ferramenta não cria oportunidades. Ela apenas torna visível o que já estava sendo dito.

Passos práticos para começar hoje

1. Escolha dez chamadas recentes de renovação ou expansão e transcreva.
2. Escreva um prompt que peça riscos de churn, oportunidades de upsell e menções a concorrentes.
3. Revise os resultados com quem participou da chamada para ajustar contexto.
4. Cruze os achados com NPS e histórico de ticket.
5. Defina uma ação clara para cada cliente classificado como risco.

O ChatGPT não atende o telefone, mas ajuda a gente a ouvir melhor o que o cliente já está dizendo.

Depois que implementamos esse processo, a taxa de renovação no trimestre subiu de 78% para 84%. Não foi mágica. Foi só prestar atenção no que já estava na frente da gente.

O telefone continua tocando. A diferença agora é que a gente chega na conversa seguinte já sabendo o que procurar.

Perguntas frequentes

Como o ChatGPT ajuda a reduzir churn em times de Customer Success?

Ele analisa transcrições de chamadas e destaca frases que indicam risco de saída, como menções a concorrentes ou reclamações recorrentes. O time revisa esses pontos e age antes da renovação.

Preciso substituir meus atendentes por IA para usar essa abordagem?

Não. O modelo só organiza informações. Um humano ainda precisa revisar os trechos marcados e decidir a melhor ação com o cliente.

Quais dados de conversa são mais úteis para o ChatGPT analisar?

Menções a preço, concorrentes, funcionalidades faltantes e tom de frustração. Cruzar esses dados com NPS e histórico de ticket aumenta a precisão dos alertas.

Quanto tempo leva para ver resultado depois de implementar?

Em nossa experiência, o primeiro ganho aparece em até 60 dias, quando o time começa a priorizar clientes que o modelo classificou como risco e consegue evitar pelo menos uma saída por mês.