IA na análise de dados: processar o que ninguém tem tempo de ler

A aplicação de IA em marketing que mais rende não é a que mais aparece. Não é gerar conteúdo — é processar material que já existe e que ninguém consegue ler.

Toda operação B2B acumula um passivo de informação não lida: transcrições de call, registros de descarte, respostas em campo aberto, anotações de vendedor. É a descrição mais precisa que existe do mercado, e ela fica parada porque ninguém tem 150 horas para ouvir gravações.

Este artigo é sobre transformar esse passivo em insumo, e sobre onde essa abordagem falha.

Por que essa é a aplicação de melhor retorno

Três razões, e vale entender porque elas orientam o que priorizar.

O dado já é seu. Não depende de fonte externa, de cobertura de fornecedor nem de amostra. É o seu mercado, descrito pelas pessoas que participaram das conversas.

Ninguém mais tem. Um concorrente pode copiar seu conteúdo, sua estrutura de preços, sua abordagem comercial. Não pode copiar o que os seus prospects disseram nas suas calls.

O erro é barato. Se uma classificação sai errada em um lote de duzentas transcrições, você corrige a categoria e roda de novo. Diferente de publicar informação falsa, onde o erro circula.

Transcrições de call: a mina principal

É o maior volume de informação não estruturada em qualquer operação B2B, e o mais valioso.

O que extrair

A tentação é pedir um resumo de cada call. Resumo de call individual é útil para o vendedor e inútil para análise — o valor está no padrão entre centenas.

O que rende é extrair campos estruturados, os mesmos para todas as calls:

• Objeções levantadas, em lista fechada que você define
• Concorrentes citados espontaneamente
• Quantas pessoas participaram e de que áreas
• Menção a orçamento: existe, está aprovado, é vago
• Menção a prazo: há urgência declarada
• O problema, nas palavras do cliente — trecho literal
• Sistemas mencionados que a empresa já usa

Com esses campos preenchidos em duzentas calls, você tem uma base analisável que não existia.

O que fazer com o resultado

Ordenar as objeções por frequência. Isso vira pauta editorial diretamente: cada objeção recorrente é uma página que deveria existir no site.

Comparar ganhos com perdidos. Quais objeções aparecem mais nos negócios que não fecharam? Quais atributos distinguem os dois grupos? É a base do modelo de qualificação.

Coletar o vocabulário real. Os trechos literais em que o cliente descreve o problema são o material mais valioso para escrever qualquer coisa — página, e-mail, anúncio. É a linguagem que faz outra pessoa do mesmo setor se reconhecer.

Mapear quem participa. A composição real do comitê de compra, extraída de observação em vez de suposição.

A parte de consentimento

Gravações contêm dados de pessoas de outra empresa, que não têm relação contratual com você. Consentimento de gravação e finalidade declarada precisam ser explícitos — e "finalidade" inclui processar aquilo, o que raramente é dito no aviso inicial da chamada.

Duas práticas que resolvem: incluir o processamento na finalidade declarada no início da gravação, e trabalhar com transcrições anonimizadas sempre que a análise não depender de identificar quem falou. Para análise de padrão, não depende.

Os outros três acervos

Registros de descarte

Se o campo é texto livre, ele é inútil para filtro — e é justamente por isso que costuma conter a informação mais honesta. O vendedor escreveu o que realmente aconteceu porque ninguém ia ler.

Processar esse texto em categorias transforma anos de descarte em um mapa de por que você perde. Frequentemente revela um motivo dominante que ninguém tinha nomeado.

Respostas em campo aberto

A pergunta "como você chegou até aqui?" produz respostas que nenhuma ferramenta de análise consegue gerar, porque vêm da memória da pessoa e não do rastreamento. Cem respostas em texto livre são inanalisáveis à mão e triviais de agrupar em volume.

Documentação e materiais internos

Manuais, respostas de suporte, materiais de treinamento. Contêm respostas para perguntas que o mercado faz, escritas por quem sabe, e que nunca viraram conteúdo público.

Processar isso não produz o artigo pronto — produz o inventário do que já está respondido internamente e não está no site.

O acervo que quase ninguém processa: o próprio site

Um caso à parte, porque o material está publicado e mesmo assim ninguém lê inteiro.

Um site com trezentas páginas acumuladas ao longo de anos contém informação desatualizada, ferramentas descontinuadas, afirmações que deixaram de ser verdade e sobreposição de tema. Auditar isso à mão é trabalho de semanas — e por isso não é feito.

O que dá para extrair em lote

Toda afirmação numérica, com a página em que está. A lista permite decidir uma a uma: achar a fonte, trocar por dado verificável, ou reescrever sem número. É o exercício que mais melhora a credibilidade de um site e o mais adiado.

Menções a ferramentas e produtos. Cruzando com o que ainda existe no mercado, aparece o que precisa de atualização.

Sobreposição de tema entre páginas. Comparar o conteúdo de cada página contra as demais revela pares que cobrem a mesma intenção — candidatos a consolidação.

Superlativos e promessas. "O melhor", "garantido", "líder". Cada ocorrência precisa de sustentação ou de reescrita.

Por que isso rende mais que produzir

Em site com passivo acumulado, corrigir o que existe frequentemente vale mais que publicar coisa nova — porque conteúdo ruim não é neutro. Sistemas de busca avaliam a qualidade do domínio, e páginas fracas puxam para baixo a avaliação das boas.

A conta é direta: se o site tem cinquenta páginas rasas e dez boas, as dez herdam o teto das cinquenta. Podar ou reescrever as cinquenta rende mais que escrever a décima primeira.

Como fazer na prática

O processo que funciona tem quatro etapas, e a primeira é a que determina o resultado.

1. Definir as categorias antes

Pedir para "identificar os temas" produz categorias diferentes a cada execução, que não se somam. Definir a lista fechada antes — mesmo que imperfeita — produz dados comparáveis.

As categorias saem de uma conversa de trinta minutos com o comercial: quais objeções vocês mais ouvem? A lista inicial vai ter oito ou dez itens, mais uma opção "outro" que você revisa depois.

2. Testar em vinte antes de rodar em duzentas

Processe vinte transcrições e confira manualmente a classificação de cada uma. Você vai encontrar categorias ambíguas, casos que não se encaixam, e instruções mal formuladas.

Corrigir isso agora custa uma hora. Descobrir depois de processar tudo custa refazer.

3. Rodar em lote, com saída estruturada

Peça a saída em formato tabular, com uma linha por call e uma coluna por campo. Isso vai direto para planilha e permite contar.

Duas instruções que melhoram muito o resultado: proibir categoria fora da lista, e exigir um trecho literal como justificativa de cada classificação. O trecho permite auditar sem reler tudo.

4. Revisar uma amostra do resultado

Depois de processar, confira vinte linhas aleatórias contra a transcrição original. Se a taxa de acerto for baixa em uma categoria específica, essa categoria está mal definida.

Um exemplo completo, do material ao resultado

Vale percorrer um caso, porque a descrição em abstrato esconde onde a coisa trava.

Considere uma empresa que vende sistema de gestão para indústrias e tem dezoito meses de calls gravadas — algo em torno de duzentas conversas de descoberta.

O que foi extraído

Sete campos por call, definidos antes: objeção principal em lista fechada, concorrentes citados, número de participantes, áreas presentes, menção a orçamento, sistemas já em uso, e um trecho literal descrevendo o problema.

O que apareceu

A objeção mais frequente não era a que o time achava. A percepção interna era de que o preço derrubava os negócios. O padrão mostrou preço em terceiro lugar, atrás de dúvida sobre esforço de implantação e de incerteza sobre integração com um sistema específico.

Isso muda a pauta editorial inteira: as duas páginas mais necessárias eram sobre implantação e sobre aquela integração — nenhuma das duas existia.

A composição do comitê era maior que a suposta. A média de participantes por call de descoberta era acima do que o discurso comercial assumia, com uma área aparecendo com frequência que ninguém tinha mapeado.

O vocabulário do cliente diferia do vocabulário do site. Os trechos literais usavam termos operacionais concretos; o site usava a nomenclatura da categoria de software. Trocar isso nas páginas principais é edição, não reescrita.

Onde travou

Dois pontos, e ambos são previsíveis.

A primeira rodada de categorias tinha itens ambíguos — "preço" e "orçamento" acabavam classificando a mesma coisa de formas diferentes. Só apareceu na conferência manual das vinte primeiras.

E o desfecho de cada negócio não estava vinculado à transcrição, o que impediu a análise mais valiosa: comparar as objeções dos ganhos com as dos perdidos. Resolver isso exigiu um trabalho de correspondência entre registros que consumiu mais tempo que a análise em si.

Esse segundo ponto é o mais comum: o material está lá, e a chave que permite cruzá-lo com o resultado não está.

Onde essa abordagem falha

Quatro limitações reais, e nenhuma se resolve com prompt melhor.

Volume insuficiente. Com vinte calls, você não tem padrão — tem vinte anedotas. A análise em volume precisa de volume. Abaixo de algumas dezenas, ler manualmente é mais rápido e mais confiável.

Categorias que não existiam. Se algo importante aparece nas conversas e não está na sua lista, ele vai para "outro" e some. Revisar periodicamente o que caiu em "outro" é o mecanismo que evita isso.

Nuance de tom. Um cliente que diz "vou levar internamente" pode estar encerrando educadamente ou avançando de verdade. A diferença está no tom, no que veio antes, no que não foi dito. Extração automática não captura isso.

Confundir frequência com importância. A objeção mais citada não é necessariamente a que mais derruba negócios. Cruzar frequência com desfecho é o que separa as duas — e exige que o desfecho esteja registrado.

O que isso não substitui

Vale delimitar, porque análise de texto em volume gera entusiasmo e ele costuma se estender a coisas que ela não faz.

Não substitui instrumentação. Se o CRM não registra data de entrada por estágio, nenhuma análise de transcrição vai reconstruir o tempo de ciclo. Dado estruturado que deveria existir e não existe continua não existindo.

Não substitui conversa. Extrair de duzentas calls o que os clientes disseram é diferente de perguntar a seis deles o que eles pensam hoje. O primeiro mostra o padrão do passado; o segundo revela o que mudou.

Não substitui julgamento sobre o que fazer. A análise diz que a objeção X aparece em 40% das calls perdidas. Decidir se a resposta é conteúdo, mudança de produto, ajuste de preço ou recusar aquele perfil é decisão de estratégia, e a análise não a toma.

Não substitui a leitura de alguns casos inteiros. Classificação em volume mostra a distribuição e perde a história. Ouvir três calls perdidas do começo ao fim, sem extrair nada, costuma revelar algo que nenhuma categoria capturou — porque as categorias são as que você já imaginava.

A combinação que funciona: análise em volume para saber onde olhar, e leitura integral de alguns casos para entender o que está acontecendo ali.

Um viés que vale conhecer

A análise só enxerga o que foi registrado, e o que foi registrado reflete decisões anteriores.

Se o comercial nunca trabalhou contas de um determinado segmento, não há transcrições daquele segmento — e a análise vai concluir que ele não importa. Se as gravações começaram há um ano, o padrão descreve o último ano, não o mercado.

Isso importa especialmente ao usar o resultado para decidir onde focar: você corre o risco de confirmar e reforçar a escolha que já estava sendo feita, tratando-a como descoberta.

A defesa é comparar o que a análise diz com o que você não tem dado — e tratar a ausência como informação, não como resposta.

Transformando em rotina, não em projeto

O padrão mais comum: alguém faz o levantamento uma vez, o resultado impressiona, e nunca mais é repetido. Seis meses depois os dados estão velhos e ninguém sabe se o padrão mudou.

Três cadências que sustentam.

Mensal, uma hora. Processar as calls do mês com as mesmas categorias e acrescentar à série. O valor não está no mês isolado — está em ver a distribuição de objeções mudar ao longo do tempo. Uma objeção que cresce é sinal de mudança no mercado ou no discurso comercial.

Trimestral, meio dia. Revisar o que caiu em "outro" e decidir se merece categoria própria. É o mecanismo que impede a lista de envelhecer.

Anual, dois dias. Refazer a análise do zero, sem olhar as categorias anteriores, e comparar. Se as categorias que emergem forem muito diferentes, o mercado mudou mais do que a série mensal mostrou.

Quem faz

Precisa ter dono. Análise sem responsável é feita uma vez por entusiasmo e abandonada — como qualquer coisa sem dono.

O perfil que funciona não é técnico: é quem conhece o funil bem o suficiente para reconhecer quando uma classificação está errada. A parte mecânica é automatizável; o julgamento sobre se o resultado faz sentido não é.

O sinal de que virou rotina

Quando alguém do comercial pergunta "as objeções mudaram este trimestre?" antes de você apresentar. Isso significa que o dado passou a fazer parte de como a operação pensa, em vez de ser um relatório que chega e é arquivado.

Sobre escolher a ferramenta

Uma decisão que consome mais tempo do que merece.

Para classificar em volume, um modelo rápido e barato basta. A tarefa é mecânica e a diferença de qualidade entre modelos aparece pouco.

Para a análise que sintetiza — ler as duzentas classificações e apontar o que elas significam —, um modelo mais capaz rende, e o custo é irrelevante porque roda uma vez.

O tamanho do contexto importa mais que a capacidade. Se você precisa processar transcrições longas, isso restringe as opções antes de qualquer consideração de qualidade.

E teste com o seu próprio material antes de padronizar. Comparações públicas dizem pouco sobre o desempenho na sua tarefa, com o seu vocabulário e os seus documentos.

Um primeiro ciclo em duas semanas

1. Dias 1 e 2 — junte o material. Exporte as transcrições dos últimos doze meses e os registros de descarte. Verifique a base legal antes de processar.
2. Dia 3 — defina as categorias numa conversa com o comercial. Oito a dez objeções, mais "outro".
3. Dia 4 — teste em vinte e confira manualmente. Corrija as instruções.
4. Dias 5 e 6 — rode em lote, com saída tabular e trecho literal justificando cada classificação.
5. Dia 7 — audite vinte linhas aleatórias contra o original.
6. Semana 2 — analise. Objeções por frequência, comparação entre ganhos e perdidos, vocabulário recorrente, composição do comitê.
7. Fim da semana 2 — transforme em ação. As três objeções mais frequentes viram três páginas. Os atributos que distinguem ganhos de perdidos viram critérios de qualificação.

O passo 7 é o que separa análise de relatório. Um levantamento que não muda nada na operação é um documento bonito — e é o destino da maioria desses exercícios quando ninguém define de antemão o que vai ser feito com o resultado.