Resultado: 70% dos atendimentos resolvidos sem toque humano, tempo médio de primeira resposta de 4 horas para 12 segundos.
Contexto
Empresa: E-commerce de moda feminina, Belo Horizonte Volume: ~800 pedidos/mês, 600-800 mensagens de WhatsApp/mês Equipe de atendimento: 2 pessoas (antes da IA), depois 1 pessoa
O problema
Com 600-800 mensagens por mês no WhatsApp, a equipe de atendimento estava sobrecarregada. As mensagens chegavam principalmente:
- Fora do horário comercial (45% das mensagens chegavam entre 19h-23h)
- Durante fins de semana (30% chegavam no sábado e domingo)
- Sobre as mesmas questões repetidas: rastreamento, prazo, troca, tamanho
As 5 perguntas mais comuns representavam 73% do volume total:
- "Cadê meu pedido?" (32%)
- "Qual o prazo de entrega?" (18%)
- "Como faço a troca?" (12%)
- "Tem esse produto no tamanho X?" (8%)
- "Como é a tabela de medidas?" (3%)
O custo: 2 atendentes × R$2.000/mês = R$4.000/mês para responder perguntas que seguiam um padrão claro.
A solução
Knowledge Base configurada
Documentos carregados no Sofia AI:
- Catálogo de produtos (CSV): ID, nome, descrição, tamanhos disponíveis, preço
- Tabela de medidas (PDF): medidas por tamanho para cada categoria de produto
- Política de trocas e devoluções (DOCX): regras, prazo, processo
- FAQ (DOCX): 80 pares de pergunta-resposta dos atendimentos mais comuns
- Prazos de entrega por estado (CSV): prazo médio por região e transportadora
Configuração do agente
Nome: Sofia (Atendimento)
System prompt:
Você é Sofia, assistente de atendimento da [Loja].
Responda com simpatia e objetividade.
Use as informações da base de conhecimento para responder com precisão.
Para perguntas sobre status de pedido específico, peça o número do pedido
e informe que vai verificar (transfira para atendente humano).
Para perguntas sobre tamanho, sempre consulte a tabela de medidas.
Tom: descontraído, acolhedor, como uma amiga que entende de moda.
Nunca invente informações que não estão na KB.
Modelo: Groq Llama 3.3 (velocidade de resposta < 2 segundos)
Canal: WhatsApp Business (Evolution API)
Regra de escalonamento
O agente transfere para humano quando:
- Cliente menciona "reclamação", "chateada", "decepcionada"
- Pedido com prazo vencido (>2 dias além do prometido)
- Solicitação de reembolso
- Pergunta que não está na KB após 2 tentativas
Resultados após 45 dias
| Métrica | Antes | Depois | |---|---|---| | Mensagens respondidas/dia | 20-27 | 20-27 (mesmo volume) | | % resolvidas sem humano | 0% | 71% | | Tempo de 1ª resposta | 4h (média) | 12 segundos | | Atendimentos fora do horário | 0 (não respondidos) | 100% respondidos | | Equipe de atendimento | 2 pessoas | 1 pessoa | | Satisfação do cliente (CSAT) | 3.8/5 | 4.4/5 | | Custo mensal de atendimento | R$4.000 | R$1.297 (1 atendente + Sofia AI) |
O que surpreendeu
1. CSAT melhorou mesmo com IA
A expectativa era que clientes resistiriam ao atendimento automatizado. O oposto aconteceu: a resposta imediata (em segundos) aumentou a satisfação. Clientes que enviavam mensagem às 22h e recebiam resposta em 12 segundos ficavam impressionados.
2. A atendente ficou mais satisfeita
Com 70% dos casos resolvidos pela IA, a atendente humana passou a lidar apenas com casos complexos e clientes que precisavam de atenção especial. Ela relatou que o trabalho ficou mais interessante e menos estressante.
3. A tabela de medidas virou o maior hit
O agente respondendo com precisão sobre medidas — "Para o vestido X, o tamanho M tem 40cm de busto, 32cm de cintura e 46cm de quadril" — reduziu as trocas por tamanho incorreto em 35%.
O que não funcionou inicialmente
Problema: O agente às vezes "inventava" informações sobre estoque quando o CSV estava desatualizado.
Solução: Automatizou a atualização do CSV de catálogo toda segunda-feira de madrugada. O arquivo é exportado do sistema de gestão e substituído na KB.
Problema: Clientes insatisfeitos eram escalados para humano, mas a atendente recebia sem contexto.
Solução: O agente foi configurado para incluir no escalonamento: "Resumo para o atendente: [resumo da conversa]". Isso reduziu o tempo de resolução dos casos humanos em 40%.
Replicando este case
O setup completo para um e-commerce similar:
Documentos necessários:
- Catálogo de produtos (pode ser exportado de qualquer plataforma)
- Tabela de medidas
- FAQ com as 50 perguntas mais comuns
- Política de trocas e prazos
Tempo de configuração: 3-4 horas (incluindo upload e testes)
Plano recomendado: Sofia AI Pro (R$297/mês) — 10 Knowledge Bases + WhatsApp + 2.000 execuções/mês.
Retorno do investimento: A partir do mês 1. Uma atendente a menos = R$2.000/mês economizados vs R$297/mês de investimento.
→ Crie seu agente de atendimento para e-commerce gratuitamente.