Como usar os dados do atendimento para melhorar o CX

Resposta curta

Dado de atendimento vira melhoria de CX quando percorre quatro etapas: coleta ao longo da jornada, interpretação em insight, conexão entre canais e times formando inteligência de cliente, e uso dessa inteligência para mudar fluxo com dono e prazo. A maioria das operações para na segunda etapa. Em 2026, 42% usam insight de CX para melhorar satisfação, e só 22% usam para decidir o que automatizar.

Ninguém está sem dado

Entre as 700 empresas ouvidas, a coleta é universal, com média de quatro fontes diferentes por empresa.

Fonte de dado de CX	Empresas que coletam
Dado operacional das interações	59%
Pesquisa pós-atendimento	56%
Dado de performance das interações automatizadas	55%
Transcrição de conversa	50%
Menção e monitoramento em redes sociais	48%
Feedback no momento da interação	48%
Avaliação em sites de review	45%
Entrevista ou grupo focal com cliente	42%

A capacidade de processar também cresceu: 66% já usam processo automatizado para analisar dado de CX, contra 53% no ano anterior.

Números do CX Landscape Report 2026, pesquisa da Vanson Bourne encomendada pela CallMiner, com 700 decisores de contact center e CX ouvidos em maio e junho de 2026 nos Estados Unidos, Reino Unido e Irlanda, França, Alemanha e África do Sul. Comparações com 2025 excluem BPO. Nenhuma operação brasileira foi entrevistada.

E a sensação de desperdício piorou

Mais de dois terços (68%) concordam que a empresa frequentemente não aproveita o dado de experiência do cliente da melhor forma. Em 2025 eram 62%.

Vale parar nessa combinação. Em doze meses, a parcela que analisa de forma automatizada subiu treze pontos, e a parcela que se sente desperdiçando o próprio dado subiu seis. Mais capacidade de análise veio junto com mais sensação de desperdício.

A explicação aparece na pergunta seguinte, sobre onde o insight é efetivamente usado.

Onde o insight de CX é usado com efetividade	Parcela
Melhorar satisfação, lealdade e retenção	42%
Identificar e resolver problemas antes que escalem	38%
Melhorar a performance das interações automatizadas	30%
Decidir quais interações devem ser automatizadas	22%

As duas primeiras linhas são usos de leitura: entender o cliente, antecipar problema. As duas últimas são usos de decisão: mudar o que o sistema faz. A queda entre 38% e 30% marca a fronteira entre observar e operar.

Quando a produção de insight cresce e a capacidade de decidir a partir dele fica parada, a distância entre as duas aumenta. Quem produz mais relatório sem mais decisão responde à pesquisa dizendo exatamente isso.

As quatro camadas, e qual delas fica órfã

Camada	Pergunta que responde	Dono habitual
Dado de CX	o que aconteceu nesta interação	operação, telefonia, plataforma de bot
Insight de CX	o que isso diz sobre o cliente	CX, qualidade, pesquisa
Inteligência de cliente	o que mudar, onde e com que prioridade	costuma não ter dono
Decisão	o que entra no próximo ciclo de mudança	produto, operação

A terceira linha é a que fica sem responsável, e não por falta de gente competente. Conectar insight entre jornadas e times exige mandato que atravessa área, tema de silos de dados no atendimento.

Por que quatro fontes podem valer menos que duas

A média de quatro fontes parece robusta e frequentemente não é. Cada fonte tem janela e viés próprios, e somar fonte sem reconciliar critério produz quatro versões do mesmo trimestre.

Pesquisa pós-atendimento chega depois que a interação terminou, e é respondida por quem teve experiência muito boa ou muito ruim. Avaliação em site de review tem o mesmo viés, amplificado. Dado operacional mostra transferência, tempo e canal, sem dizer o que foi dito. Transcrição mostra o que foi dito, e sem indexação vira arquivo morto.

O jeito de somar sem confundir é ter chave comum, o protocolo ou o identificador de cliente, e critério único de avaliação aplicado a todos os canais, problema tratado em omnichannel: mesmo critério em voz, chat e WhatsApp.

Quando a transcrição entra na conta, a qualidade dela deixa de ser detalhe técnico. Taxa de erro alta em nome de produto e em termo de procedimento inutiliza a busca justamente nos casos que interessam, assunto de WER: como avaliar a qualidade da transcrição do seu fornecedor.

O recorte que mostra o custo da escolha errada

O estudo separa as empresas pela experiência que o cliente relata. Quem reporta experiência muito positiva apoia a decisão em dado de performance da automação (66%) e transcrição de conversa (56%). Quem reporta experiência mista ou negativa apoia em pesquisa pós-atendimento (61%) e avaliação em site de review (49%).

A comparação completa está em métricas de chatbot e URA. O resumo é que fonte capturada durante a interação permite corrigir a interação, e fonte capturada depois permite explicar o mês passado.

Quatro movimentos que transformam dado em decisão

Partir da decisão, não do dado. Em vez de perguntar o que dá para extrair do que existe, nomear a decisão pendente (qual fluxo do bot muda, qual motivo de contato entra na taxonomia, qual script é reescrito) e listar o que seria preciso saber para tomá-la.

Cortar fonte que não muda decisão. Se a menção em rede social não alterou nada em seis meses, ela compete por atenção com fonte que altera. Reduzir de quatro fontes para duas bem instrumentadas costuma aumentar o uso.

Instrumentar o canal automatizado. Metade das empresas coleta transcrição e pouco mais da metade coleta dado de performance da automação. A interseção das duas responde por que o bot falha, e o desenho está em QA de agente de IA.

Dar prazo e dono a cada conclusão. Conclusão relevante vira item com responsável, data e critério de verificação. Sem isso, análise automatizada só produz mais material para a mesma reunião.

O que muda no Brasil

Parte do dado que lá é opcional aqui é obrigação de registro. A RN 623 trata de protocolo e rastreabilidade do atendimento em todos os canais, tema de rastreabilidade de atendimento. O Decreto do SAC fixa prazo de guarda de gravação e de registro, detalhado em prazos de guarda. E a LGPD define base legal e retenção para gravação e transcrição, assunto de LGPD em gravação de atendimento.

Uma operação brasileira já é obrigada a guardar boa parte do material que o estudo trata como fonte opcional de insight. O custo de coletar está pago. O que falta é o uso.

Perguntas frequentes

Como transformar dado de atendimento em ação? Começando pela decisão. Definir o que precisa mudar, listar o que seria preciso saber, escolher a fonte que responde isso durante a jornada, e atribuir dono e prazo à mudança. Dado sem decisão associada gera a sensação que 68% das empresas relataram.

Coletar mais fontes melhora o resultado? A pesquisa não mostra relação entre quantidade de fontes e experiência relatada. Mostra diferença de composição: quem tem melhor resultado pesa mais em dado capturado durante a interação, quem tem pior resultado pesa mais em feedback coletado depois.

Por que a sensação de desperdício aumentou junto com a análise automatizada? O estudo registra os dois movimentos sem apontar causa. A leitura coerente com os demais números é que a geração de insight cresceu mais rápido que a capacidade de decidir a partir dele, já que só 30% usam insight para melhorar a automação e 22% para decidir o que automatizar.

Para que serve transcrição de conversa além de monitoria? Para achar motivo de contato ausente da taxonomia, medir aderência a script sem depender de amostra, encontrar a causa do recontato e alimentar a decisão sobre o que automatizar. O limite da amostra tradicional está em amostragem em monitoria.

Qual a diferença entre insight e inteligência de cliente? Insight é a conclusão sobre um recorte. Inteligência de cliente é a conclusão conectada entre canais, jornadas e times, com alguém autorizado a agir. A segunda exige acordo organizacional, a primeira não.