Transformando avaliações de clientes em direção de produto

O time de design da Contabilizei consolida mensalmente as métricas de CES e CSAT das jornadas do produto. As ferramentas que exportavam os dados brutos, Appcues e AdminBro, não facilitavam a leitura: os arquivos chegavam "sujos", com formatação inconsistente e de difícil manutenção por parte de cada designer. O ciclo de análise consumia horas de trabalho manual antes de qualquer insight chegar à liderança.

Vendo a dificuldade dos colegas com a gestão de dados e a forma de reportar ao time de produto, identifiquei uma oportunidade, propus a solução e construí uma ferramenta usando o Google AI Studio. O projeto nasceu também como um experimento intencional para testar os limites da IA generativa aplicada a dados reais de produto. Conduzi o projeto de ponta a ponta, da concepção ao desenvolvimento e à validação, com reportes mensais ao Head de Design.

O ponto de partida foi entender como poderia padronizar. Os dados existiam, mas o caminho entre exportar o CSV das ferramentas Appcues e AdminBro e chegar a um consolidado legível era longo e manual.

Estruturei a solução em camadas, começando pela importação e limpeza dos dados, passando pela automação dos cálculos de CES e CSAT e chegando à IA para geração de resumos e insights.

Passo 1: O time baixa os dados do recorte específico que precisa para validar atritos de jornadas de CES ou CSAT.

Passo 2: Importação e processamento de CSV: upload, leitura, sanitização e processamento de planilhas, com identificação automática de jornadas com base nas próprias colunas e linhas.

Após esses dois passos, a estrutura de dados já está limpa e pronta para seguir com análises cruzadas pela ferramenta, de forma automática e visual:

• Cálculo automatizado de CES e CSAT: usando os votos dos clientes, a plataforma consolida as notas 1, 2, 3, 4 e 5 e gera o cálculo da métrica com base em detratores e promotores.

• Análise dos comentários dos clientes: entra como uma ponte para ajudar no cruzamento de informações que seriam demoradas sem o auxílio da IA, como:

1: Classificação dos principais temas encontrados com base nos comentários detratores dos clientes que votaram com nota 1 e 2 dentro do período recortado.

2: Identificação de padrões relacionados a problemas que começaram a aparecer apenas depois de datas específicas, auxiliando a identificar falhas de rollout ou problemas em períodos determinados.

3: Projeção de ganho em pontos percentuais de CES ou CSAT com relação à conversão de detratores em promotores.

4: Pontos fortes, pontos fracos e tendências identificadas no grupo, entre diversos outros formatos de análise.

• Gestão de relatórios: criação, organização em pastas e histórico de todos os relatórios gerados.

• Comparação e consolidação: dashboard que permite comparar a flutuação da métrica consolidada entre meses.

• Histórico de classificação: rastreamento e consulta de como comentários e feedbacks foram classificados ao longo do tempo.

• Filtros e parametrização: inserção de volume de visitantes únicos e seleção de tags para refinar os cálculos.

• Exportação: dados e dashboards exportáveis em Excel, CSV e PDF.

O tempo de análise caiu de 3h para 30 minutos por ciclo. A ferramenta virou o padrão de report mensal para a liderança e o time de produto. Hoje está em piloto restrito ao time de design.

O objetivo da ferramenta nunca foi substituir a análise humana, mas dar ao Product Designer e ao time de produto clareza sobre a saúde das jornadas, com velocidade suficiente para alimentar ciclos de priorização, inclusive em recortes de períodos extensos.

Além de encontrar problemas, ela nos ajuda a identificar oportunidades baseadas nas sugestões que muitas vezes o próprio cliente relata, e também a identificar funcionalidades elogiadas pelos clientes, o que nos ajuda a manter o padrão e reaproveitá-lo em outras jornadas.