IA e análise de conversa
Como classificar conversas do WhatsApp automaticamente?
Resposta rápida
Para classificar conversas do WhatsApp automaticamente: 1) defina sua taxonomia (categorias específicas do seu negócio); 2) use IA para detectar intenção e tópico em cada conversa; 3) treine o modelo com exemplos do seu setor; 4) valide com amostragem humana. Classificação manual escala mal acima de 100 conversas/dia — IA resolve.
Saber "sobre o que" cada conversa foi é a base de qualquer análise séria. Sem categorização, todos os dados ficam empilhados como "atendimento". Com classificação, você vê quais tipos de pergunta dominam, onde os gargalos estão, e o que precisa ser otimizado primeiro.
Taxonomia recomendada (adapte ao seu negócio)
| Categoria | Subcategorias típicas |
|---|---|
| Comercial / Vendas | Lead novo, orçamento, comparação, dúvida sobre produto, fechamento |
| Atendimento | Dúvida operacional, agendamento, confirmação, alteração, cancelamento |
| Suporte técnico | Bug, erro, problema de uso, integração, instalação |
| Cobrança / Financeiro | Boleto, fatura, segunda via, débito, parcelamento |
| Reclamação | Produto, atendimento, prazo, qualidade, cobrança indevida |
| Pós-venda | Avaliação, NPS, feedback, dúvida pós-compra |
| Spam / Off-topic | Erro de número, propaganda externa, conversa não comercial |
Como definir suas próprias categorias
- Comece pelas 5-7 categorias mais comuns da sua operação. Não tente cobrir tudo — comece pelo top.
- Pegue 100 conversas reais e classifique manualmente. Veja o que aparece, ajuste taxonomia.
- Definição clara para cada categoria. O que conta como "reclamação"? Diferente de "dúvida insatisfeita"?
- Garanta exclusividade. Uma conversa = uma categoria principal. Múltiplos tópicos podem ser tags secundárias.
- Reveja a cada 3 meses. Padrões mudam, taxonomia precisa acompanhar.
Como classificar com IA
- Prompt zero-shot: dê para o LLM a lista de categorias e peça para classificar — funciona em 70-85% dos casos sem treinamento.
- Few-shot com exemplos: mostre 3-5 exemplos por categoria. Sobe precisão para 85-92%.
- Fine-tuning: treina o modelo com 50-200 exemplos por categoria. Sobe para 92-96%. Exige equipe técnica.
- Validação contínua: 5-10% das classificações revisadas por humano para detectar drift.
Como classificar manualmente (até 100 conversas/dia)
- Atendente classifica na hora do fechamento da conversa
- Use tags simples (5-7 categorias principais)
- Sistema de checkbox no CRM — sem campo de texto livre
- Auditoria semanal: 10 conversas revisadas por supervisor
- Limite: acima de 100 conversas/dia, manual perde qualidade
Que valor a classificação gera
- Visão de mix: "60% do atendimento é cobrança — precisamos resolver isso na origem"
- Detecção de gargalo por categoria: reclamações estão crescendo? Qual a causa?
- Roteamento inteligente: conversa de categoria X vai direto para atendente especializado
- Métricas por tipo: tempo de resolução de "técnico" vs "comercial" — diferenças justificadas?
- Otimização de scripts: categorias com mais demora indicam scripts ruins ou falta de FAQ
- ROI por categoria: qual categoria gera mais receita? Qual gera mais churn?
Erros comuns na classificação
- Taxonomia complexa demais. 30 categorias = atendente classifica errado, IA confunde, dados viram ruído.
- Categorias sobrepostas. "Dúvida" e "Pergunta" — qual é qual? Sem regra clara, classificação fica aleatória.
- Não revisar a taxonomia. Padrões de cliente mudam; categoria "reclamação de prazo" pode ser 5% hoje e 30% em 6 meses.
- Classificar e não usar. Categorizar sem analisar é gasto de tempo. Cada categoria precisa virar uma decisão.
- Mix de IA e manual sem padronização. Categoria "X" definida diferente por IA e por humano = dados não comparáveis.
Como a Koee resolve isso
A Koee classifica suas conversas automaticamente
IA da Koee categoriza cada conversa em tempo real, segundo sua taxonomia (ou taxonomia padrão por setor). Você vê dashboards por categoria, identifica gargalos por tipo de problema e roteia conversas para o atendente certo automaticamente.
- Classificação automática por categoria principal + tags secundárias
- Taxonomia configurável (use a padrão ou crie a sua)
- Roteamento por categoria
- Dashboard com mix de atendimento: o que está crescendo, o que está caindo
Mais perguntas frequentes
- Qual a precisão da classificação automática?
- Em ferramentas modernas, com taxonomia bem definida, a precisão fica entre 88-95% para categorias claras (comercial, técnico, cobrança). Para categorias mais sutis (dúvida vs reclamação), pode cair para 75-85% — vale revisão humana de 5-10% das classificações.
- Posso ter mais de uma categoria por conversa?
- Sim, mas com cuidado: defina uma categoria principal + tags secundárias. Tudo principal vira ruído. Recomendado: 1 categoria principal + 0-3 tags. Mais que isso, perde valor analítico.
- Como saber se minha taxonomia está boa?
- 3 testes: 1) duas pessoas classificam as mesmas 50 conversas — concordância acima de 80% é saudável; 2) menos de 10% das conversas caem em "outros"; 3) cada categoria tem volume relevante (acima de 2-3% do total). Se falhar nos 3 testes, ajuste a taxonomia.