Porque é que ouvir perguntas ao vivo diz mais do que uma sondagem
Uma pergunta feita no calor de uma aula tem uma vantagem sobre qualquer sondagem recolhida depois, a frio: vem sem filtro. Pedi diretamente à audiência, no chat, para escrever que processos do dia a dia lhes consomem mais energia e tempo dentro do negócio, sem lhes dar tempo para preparar uma resposta bonita.
A resposta chegou em tempo real, com o vocabulário exato de quem trabalha o problema todos os dias. Alguém escreveu sobre estruturação de relatórios. Outra pessoa escreveu sobre ter de responder a e-mails com os programas disponíveis para festas de aniversário. Outra ainda, de forma mais leve, disse que faz os próprios anúncios. Nenhuma destas respostas foi pensada ou preparada, foi escrita no calor do momento, com o vocabulário direto de quem sente o problema todos os dias.
Vi essas mensagens a acumularem-se ao vivo e trato este tipo de informação como muito mais útil do que qualquer sondagem estruturada feita antes do evento. Este contraste entre o que as pessoas dizem quando têm tempo para pensar e o que escrevem no calor do momento explica, na prática, a diferença entre dados forçados e dados espontâneos.
Para preparar o próximo passo, consulta Criar e fazer crescer um negócio de formação online.
Recolher sem filtrar antes de organizar
O primeiro passo é recolher tudo sem julgar o que parece relevante ou irrelevante à primeira vista, guardando a análise para depois. Expliquei que o passo seguinte seria exportar todo o chat da sessão, incluindo as mensagens do canal aberto e as perguntas que tinham recebido mais votos entre a audiência.
Este passo de exportação é simples mas costuma ser saltado. Se apagas ou ignoras mensagens só porque parecem repetidas ou pouco relevantes, perdes a matéria-prima que a inteligência artificial precisa depois para detetar padrões. Fui claro sobre a ordem das coisas: primeiro observo, só depois decido o que automatizar ou onde meter inteligência artificial. Descrevo este ciclo como algo que passa sempre pela observação antes de qualquer ferramenta ou plataforma.
Na prática, isto significa resistir à tentação de começar já a resolver o problema que parece mais óbvio. Antes de decidir nada, deixo o texto todo em bruto, com repetições e tudo, porque é essa massa de dados que depois permite comparar frequência com gravidade, sem enviesar a análise antes de tempo.
Deixar a inteligência artificial isolar padrões, sem lhe dar opinião a fazer
Depois de ter o texto todo exportado, o passo seguinte é pedir à inteligência artificial que detete padrões relevantes dentro dessas respostas, sem lhe pedir opiniões nem deixá-la adivinhar o que não está escrito. Disse diretamente que pediria à IA para me isolar o que fosse mais relevante entre tudo o que a audiência tinha escrito.
Há um cuidado que vale a pena levar em conta, mesmo sem o ter detalhado nesta sessão específica: se pedires à ferramenta apenas para contar frequências, corres o risco de tratar tudo o que aparece poucas vezes como ruído. Um problema mencionado por poucas pessoas pode vir de um segmento diferente, com outro orçamento e outra urgência. Esta cautela não foi uma regra dada nesta parte do exemplo, mas é sensata de aplicar quando fazes o exercício sozinho.
O ponto central, que sublinhei noutro momento da mesma sessão, é que a inteligência artificial só é tão boa quanto os dados que recebe. Sem dados e contexto suficientes a máquina passa a adivinhar, e adivinhar não é o que se quer de uma ferramenta que devia trazer factos, dados e contexto concretos.
Para aprofundar esta decisão: Como transformar respostas de suporte numa base de conhecimento útil para IA.
O critério que uso para decidir onde vale a pena investir tempo
Trabalhei, noutro momento desta análise, o que chamo custo por decisão: quanto custa, em tempo humano, em erro e em atraso, cada decisão que uma equipa toma repetidamente sobre o mesmo tipo de tarefa. Este critério ajuda a separar um tema popular de um tema que vale a pena resolver primeiro.
Dei um exemplo hipotético, ajustável por cada pessoa, em que uma lead gerida manualmente custava cerca de 19,44 euros por decisão, somando tempo humano, custo de infraestrutura, custo do erro e custo da latência. Com inteligência artificial inserida nesse mesmo processo, o custo por decisão caía para cerca de 3,79 euros. Numa empresa hipotética com 500 leads por mês, essa diferença representava, nas contas do exemplo, mais de 7.800 euros de diferença mensal só em custo por decisão, antes de considerar outros custos do negócio, sem contar ainda com o valor de fechar mais negócio ao responder mais rápido às pessoas certas. É um exercício ilustrativo, não uma garantia de resultado.
É este tipo de raciocínio que aplico quando olho para as perguntas recolhidas na minha própria audiência: um tema que aparece muito mas não custa dinheiro a ninguém é apenas curiosidade, enquanto um tema que aparece com menos frequência mas está ligado a horas pagas desperdiçadas, a vendas perdidas por lentidão ou a erro repetido merece atenção primeiro, mesmo parecendo menos popular à primeira vista.
Separar quem só comenta de quem realmente pagaria
O facto de várias pessoas escreverem sobre o mesmo problema no chat mostra interesse, mas não mostra disposição para pagar por uma solução. Esta distinção costuma ser a mais cara de saltar quando se constrói um produto sem a verificar primeiro. Vale a pena confirmá-la antes de avançar.
Uma forma simples de o fazer é falar com algumas dessas pessoas individualmente e perguntar diretamente se já gastaram dinheiro, tempo de equipa ou contrataram alguma ferramenta para tentar resolver esse problema sem sucesso. Esta recomendação não faz parte do que descrevi na sessão em si. A questão mais útil é o que já tentaram fazer para resolver o problema e quanto isso já lhes custou até agora.
Se a resposta for não, o problema pode ser real mas ainda não é urgente para essa pessoa, e não vale a pena construir uma solução paga para ela agora. Se a resposta for sim, tens ali um sinal muito mais forte do que qualquer contagem de comentários no chat: a diferença entre dizer que algo incomoda e mostrar que já se gastou dinheiro ou horas de trabalho a tentar contorná-lo.
Passar do sinal ao teste, sem construir tudo de uma vez
Depois de recolher as respostas e de pedir à inteligência artificial para me indicar os padrões mais relevantes, não anunciei um curso completo nem um programa alargado sobre o tema. Disse claramente que, na parte seguinte da sessão, ia mostrar na prática como resolver um dos principais desafios identificados, com inteligência artificial e automação, de forma técnica e direta.
Este é o passo que costuma ser saltado por quem quer fazer tudo perfeito antes de mostrar qualquer coisa. Fui do sinal recolhido diretamente para uma demonstração prática de como resolver um problema concreto, sem esperar meses para desenhar um programa inteiro à volta dele. É um bom lembrete de que o produto seguinte não precisa de nascer completo, precisa de nascer a resolver algo já validado como dor real por quem está a ouvir, ainda que de forma pequena e focada.
Para aprofundar esta decisão: Escada de valor: como ligar cada oferta sem inventar produtos a mais.
Fazer disto um hábito, não um evento único
O exercício que fiz ao vivo pode tornar-se uma rotina simples dentro de qualquer negócio: ouvir clientes e equipa com regularidade, registar o que aparece com frequência e cruzar isso com o impacto financeiro real de cada problema, em vez de deixar essa informação perder-se depois de cada conversa.
Não precisa de ser feito só em eventos grandes com centenas de pessoas a escrever ao mesmo tempo. Pode ser feito com qualquer canal onde a tua audiência ou os teus clientes já te escrevem todos os dias, seja suporte, seja comentários, seja perguntas numa sessão mais pequena. O importante é criar o hábito de exportar, agrupar e comparar frequência com gravidade antes de decidir onde investir o tempo seguinte, mesmo que isso comece de forma modesta.
No Laboratório da IA dou duas mentorias por mês, onde revejo projetos dos alunos e trabalhamos a aplicação da IA e dos negócios online. Podes levar esse tipo de dúvida concreta para uma sessão: que necessidade apareceu, o que já tentaste e que decisão precisas de tomar.