Quem roda tráfego pro WhatsApp já levou a culpa por lead ruim. O comercial fala que os leads chegam horríveis e que tem que tirar leite de pedra, e o tráfego responde que o comercial não trabalha esses leads direito. Neste post eu mostro como montar um relatório de atendimento do WhatsApp com IA pra essa discussão sair do achismo.
A ideia é usar a Evolution API pra puxar o histórico do número do comercial e o Claude Code pra ler tudo e devolver os números. Sem abrir conversa por conversa e sem olhar contato por contato.
Por que a briga do lead ruim nunca termina
É muito normal essa treta do time comercial com o time de marketing. O comercial sempre vai querer os melhores leads possíveis, e se o lead chega com a compra já fechada, melhor ainda. Então ele fala que os leads estão ruins, na intenção de melhorar a qualidade deles.
O problema é que esse feedback, de que todo lead é ruim, direciona muito mal o marketing. A gente não sabe quando tá acertando ou quando tá errando, parece que só tá errando, e fica difícil criar otimizações boas.
E tem um agravante: numa campanha de mensagem, o lead cai direto no WhatsApp do vendedor. Dali pra frente é caixa preta, e o gestor não vê o que acontece dentro da conversa.
O que o relatório de atendimento do WhatsApp com IA mede
A proposta é rodar uma análise de todas as mensagens trocadas com o número do comercial. Os pontos que a IA levanta:
- Tempo médio de resposta da primeira mensagem, dentro do horário comercial e considerando as 24 horas;
- Quantas mensagens, em média, são trocadas em cada conversa;
- Qual é a primeira abordagem que o lead recebe;
- Reativação: se o comercial tenta retomar o lead e quantas reativações envia;
- Objeções: quais aparecem e se os leads estão trazendo alguma.
A média de mensagens ajuda a separar o lead que não foi trabalhado do lead que não tinha interesse. E a primeira abordagem mostra se o vendedor adapta a conversa pra cada lead ou cola o mesmo texto pra todo mundo.
Passo 1: conectar o número na Evolution API com o Sync Full History
Primeiro você precisa de uma instância na Evolution API com o número do comercial conectado lá dentro. Na hora de fazer a conexão tem um detalhe que decide se a análise funciona.
Em Configurações (Settings) da instância, ative a opção Sync Full History. A própria tela da Evolution descreve a função como sincronizar todo o histórico ao escanear o QR Code. Então o seguro é deixar ela ligada antes de ler o QR Code.
Se você não ativar, não vai dar certo: a análise só pega as mensagens do momento em que você conectou pra frente. E a gente precisa saber o pra trás também.
Com o número conectado, separa três informações: o nome da instância, a URL da sua Evolution e a API Key.
Passo 2: rodar a análise no Claude Code
- Abra uma nova sessão no Claude Code e crie uma pasta só pra essa análise (no vídeo ela fica dentro de Documentos).
- Selecione essa pasta na sessão.
- Cole o prompt de análise, que está completo logo abaixo. Logo no começo ele tem colchetes pra URL, pra instância e pra API Key.
- Mande rodar e acompanhe.
Repara num detalhe do prompt que aparece na tela: no colchete da API Key, ele pede pra indicar uma variável de ambiente ou um arquivo .env em vez de colar a chave no texto. Os parâmetros também vêm entre colchetes, como o horário comercial (segunda a sexta, das 9h às 18h, no fuso de São Paulo), as horas de silêncio que contam como reativação e a partir de quantas conversas uma mensagem repetida vira “playbook colado”.
O prompt completo
É o mesmo prompt do vídeo. Copia, preenche os campos entre colchetes e cola no Claude Code.
## CONTEXTO
Você vai analisar conversas de WhatsApp de um time comercial que atende leads vindos de campanhas de tráfego pago (o lead clica no anúncio e cai direto no WhatsApp). O objetivo é avaliar a **qualidade da primeira parte do atendimento** e gerar um relatório que um gestor de tráfego possa levar para o cliente, mostrando com dado se o gargalo está no lead ou no atendimento.
## FONTE DOS DADOS
**Evolution API:** base URL [URL], instância [INSTANCE], apikey em [VARIÁVEL DE AMBIENTE OU ARQUIVO .env — não cole a key em texto]. Busque as conversas pelos endpoints da instância.
## PARÂMETROS
- Horário comercial considerado: [seg-sex, 09:00–18:00] (fuso America/Sao_Paulo)
- Janela para considerar "reativação/follow-up": lead em silêncio por mais de [6] horas e o comercial envia nova mensagem
- Número de mensagens iguais entre conversas para sinalizar "playbook colado": a partir de [3] conversas
-----
## TAREFA
Gere o relatório em 5 passos. **Não pule o Passo 1.**
### Passo 1 — Entender os dados antes de processar
- Inspecione a fonte e descubra a estrutura real: como identificar quem é o lead e quem é o comercial (ex: no Evolution, fromMe: true = comercial; fromMe: false = lead), onde está o timestamp de cada mensagem, o tipo de cada mensagem (texto, áudio, imagem, documento).
- Mostre um resumo do que encontrou (quantas conversas, intervalo de datas, campos mapeados) e confirme o mapeamento antes de seguir. Se algum campo essencial não existir, diga claramente em vez de assumir.
### Passo 2 — Métricas calculadas (escreva e RODE um script Python — não calcule de cabeça)
Converta todos os timestamps para America/Sao_Paulo antes de qualquer cálculo. Calcule, por conversa e no agregado:
- **Tempo de 1ª resposta:** intervalo entre a primeira mensagem do lead e a primeira resposta do comercial logo após ela. Reporte **média, mediana e pior caso**, em duas versões: (1) bruto 24h e (2) só dentro do horário comercial definido (descontando madrugada e fim de semana). Se o comercial mandou a primeira mensagem (disparo), o tempo de resposta conta a partir da primeira mensagem do lead.
- **Volume:** número de mensagens por conversa (total, do lead, do comercial) e a média geral.
- **Conversas sem resposta:** quantas vezes o lead falou e nunca foi respondido.
- **Playbook colado:** agrupe as mensagens enviadas pelo comercial por similaridade de texto e sinalize blocos idênticos ou quase idênticos reaproveitados em várias conversas diferentes. Informe o trecho, a % de similaridade e em quantas conversas apareceu.
- **Reativação:** conte os casos em que o comercial fez follow-up após o silêncio do lead (conforme a janela definida).
Salve os resultados em estrutura (JSON ou tabela) para usar no relatório.
### Passo 3 — Avaliação qualitativa (leitura da IA, com nível de confiança)
Lendo o conteúdo das conversas (todas, ou uma amostra representativa se o volume for grande — informe qual), avalie por conversa:
- Houve tentativa de entender a necessidade do lead? (sim / parcial / não)
- O lead recebeu uma proposta ou oferta concreta? (sim / não / indeterminado)
- As objeções foram trabalhadas ou o atendimento morreu?
- A abordagem foi personalizada ou genérica? (cruze com o "playbook colado" do Passo 2)
- Desfecho: avançou para negociação / esfriou / lead não engajou / sem resposta do comercial.
Agregue as **principais reclamações e objeções recorrentes** dos leads (temas). Marque **cada item inferido com confiança Alta / Média / Baixa.** Onde não houver evidência suficiente, escreva "indeterminado" — não chute.
### Passo 4 — Privacidade
No relatório final, mascare telefones e nomes (ex: Lead#01, ou apenas os 4 últimos dígitos). Não exponha dados pessoais completos.
### Passo 5 — Relatório final (markdown), nesta ordem
1. **Resumo executivo** — os números que ganham a reunião: tempo médio e pior caso de 1ª resposta, % de leads que receberam proposta, % de conversas com playbook colado, % de conversas sem resposta. Escreva 2–3 frases prontas para o gestor levar ao cliente.
2. **Visão geral da operação** — tabela com as métricas calculadas.
3. **Pontos críticos** — o que está derrubando venda, com evidência (sempre apontando se é dado calculado ou leitura).
4. **Análise qualitativa** — resumo + principais reclamações dos leads.
5. **Recomendações** — ações práticas para o comercial, em ordem de prioridade.
6. **Limitações** — o que estes dados não permitem afirmar.
-----
## REGRAS (valem o tempo todo)
- Use **código** para qualquer cálculo, contagem, similaridade ou ordenação por tempo. Não estime números de cabeça.
- Separe sempre o que é **calculado** (dado duro) do que é **inferido** (leitura da IA). Nunca apresente inferência como fato.
- Não invente dados. Campo inexistente → diga que não existe.
- Mensagens de áudio, imagem ou documento sem transcrição: contam no volume, mas marque que o conteúdo não foi analisado (não tente adivinhar o que foi dito).
- Isto mede **qualidade e profundidade do atendimento**, não conversão real (o WhatsApp não confirma venda). "Recebeu proposta" e "avançou para negociação" são o mais longe que dá para ir com segurança.
- Assuma 1 número conectado = 1 operação. Se houver vários atendentes no mesmo número, sinalize que não dá para separar o desempenho por pessoa.Permissões: aprovar uma a uma ou modo automático?
Depois que você envia o prompt, o Claude Code vai pedir algumas permissões. Dá pra ir aprovando ou colocar no modo automático, onde ele já vai aceitando tudo.
Se é a sua primeira vez ou você ainda não tem familiaridade com o Claude Code, eu recomendo aprovar as permissões: qualquer chamada ou código que ele for escrever, ele pede antes. No meu caso, eu deixo no automático, porque já deixei bem limitado no prompt sobre o que ele vai trabalhar.
O que o relatório mostrou no exemplo do vídeo
No exemplo, o Claude Code rodou uns 30 minutinhos, mostrou os passos que fez e perguntou se eu queria um PDF. Pedi, e ele entregou um relatório de 6 páginas.
O PDF traz o resumo, as métricas gerais (quantas mensagens foram coletadas, quantas conversas, quantas tiveram mais de uma mensagem do lead e quantas foram iniciadas), a faixa de tempo de resposta e uma análise de pontos críticos. A faixa do primeiro atendimento, dentro do horário comercial, ficou assim:
- 54,7% em até 5 minutos;
- 14,1% entre 5 e 30 minutos;
- 19,4% entre 30 minutos e 2 horas;
- 11,2% entre 2 e 24 horas;
- 0,6% acima de 24 horas.
No resumo executivo desse exemplo, o tempo de resposta não era o principal limitador da venda: dentro do horário comercial a equipe respondia rápido e quase não deixava lead sem resposta. Os pontos críticos apareceram em outro lugar: 62% dos leads chegavam fora do horário comercial ou no fim de semana, 23% mandavam uma mensagem só e sumiam, e 94,5% das conversas usavam blocos de texto copiados.
Ou seja, a resposta pra “lead ruim ou vendedor ruim” veio dividida, com uma parte do lado do lead e do tráfego e outra do lado do atendimento. É esse tipo de clareza que a discussão no achismo não entrega.
Como levar o relatório pro cliente
Com o relatório na mão, você consegue ver como os seus leads estão sendo atendidos. E aí dá pra saber se é o time comercial que não está sabendo trabalhar ou se o tráfego precisa melhorar esses leads.
Leve como diagnóstico, não como acusação do vendedor. O foco é mostrar onde o lead está parando e o que dá pra melhorar dos dois lados.
Na visão da Escala XZ, isso muda o papel do gestor de tráfego: ele deixa de ser o culpado do lead ruim e passa a ser quem traz clareza pro cliente. E a análise pode virar um serviço recorrente, uma auditoria de atendimento todo mês.
O vídeo completo tá logo abaixo, com as telas da Evolution, do Claude Code e do relatório. E se você quer aprender a montar sistemas como esse, juntando tráfego, automação e trackeamento, é isso que a gente ensina na Formação T.A.T. da Escala XZ.
Perguntas frequentes sobre relatório de atendimento do WhatsApp com IA
Dá pra analisar as conversas do WhatsApp com IA sem saber programar?▶
Pelo que o vídeo mostra, sim: você usa um prompt pronto, e quem escreve o código é o Claude Code. Na primeira vez, a recomendação é aprovar as permissões uma a uma pra ver o que ele está fazendo.
O que acontece se eu não ativar o Sync Full History?▶
A análise só pega as mensagens a partir do momento em que o número foi conectado. Pela descrição da própria tela da Evolution, a opção sincroniza o histórico ao escanear o QR Code, então o seguro é ligar antes da conexão.
Quanto tempo leva pra gerar o relatório?▶
No exemplo do vídeo, o Claude Code rodou uns 30 minutos e depois gerou um PDF de 6 páginas. O vídeo não testou outros volumes de conversa, então na sua operação o tempo pode ser outro.
Dá pra medir cada vendedor separadamente?▶
No exemplo do vídeo, não. Vários atendentes dividiam o mesmo número, e o próprio relatório avisou que por isso não dava pra separar o desempenho por pessoa.
O relatório prova que o problema é do comercial?▶
Ele mostra onde o lead está parando, e a resposta pode cair dos dois lados. No exemplo do vídeo, parte do problema estava no lead que chegava fora do horário e sumia depois da primeira mensagem, e parte no atendimento com texto copiado. Na visão da Escala XZ, o melhor uso é levar como diagnóstico pro cliente.