Na prática, o follow-up não falha por falta de cadência. Falha porque o contexto muda.
Uma conversa reabre com novo motivo, um lead é o mesmo mas a etapa virou, ou o cliente migra do Instagram para o WhatsApp. Se o CRM automatiza o próximo passo sem “reler” o contexto, você ganha mensagens repetidas, tarefas no estágio errado e progresso que não acumula.
A política de reatendimento é o que impede esse descompasso. Antes de automatizar qualquer follow-up, o Spark precisa saber quando e como redirecionar uma conversa para o estado correto do funil.
O que é política de reatendimento (e por que ela antecede a automação)
Política de reatendimento é um conjunto de regras para quando uma conversa volta a ficar ativa. Não é “mais um filtro”. É um jeito de dizer ao sistema: reabriu? Então reidentifique o contexto e encaminhe para a etapa certa.
Sem isso, as automações passam a depender de suposições. E suposições no WhatsApp e no Instagram custam caro, porque o canal é conversacional, não transacional.
Reatendimento, na vida real, costuma acontecer por 3 motivos
- Mesmo lead, conversa reaberta com novo motivo: perguntou preço, sumiu, voltou pedindo prazo.
- Mesmo assunto, mudança de estágio: pediu reunião, não fechou, mas agora quer orçamento.
- Mudança de canal e origem: começou no Instagram, continuou no WhatsApp, ou vice-versa.
A automação pode até “funcionar” nesses casos, mas funciona no lugar errado. O resultado aparece como follow-up duplicado ou conversa travada no kanban.
O problema clássico: quando o sistema continua de onde parou
A falha mais comum é simples: o fluxo automatizado parte do último evento
Quando o fluxo “continua de onde parou”, o follow-up sai do lugar: tarefas e mensagens repetem sem acumular progresso. conhecido e não valida contexto na reabertura.
Exemplo curto:
- Lead respondeu “ok” ontem, mas não avançou.
- Hoje, o cliente volta dizendo que quer “ver como funciona”.
- A automação dispara “próximo follow-up de fechamento” porque o funil ainda está no estágio anterior.
O que isso causa em cadeia:
- tarefa criada em etapa incorreta,
- sugestão de mensagem sem alinhamento,
- provável encaminhamento para humano no momento errado (ou ausência do humano quando deveria existir).
Se a política de reatendimento não existe, o sistema não tem como decidir se está lidando com continuação ou com um recomeço.
Como desenhar a política de reatendimento no Spark
A política precisa de três blocos: detecção de reabertura, identificação do contexto e encaminhamento para o estado correto do funil.
1) Detectar reabertura: “volta a receber mensagem” não basta
Reabertura pode ser:
- nova mensagem do mesmo contato,
- mensagem depois de um intervalo que indica mudança de intenção,
- retomada com canal diferente,
- retomada com tags ou sinais que apontam outro objetivo.
No desenho da regra, o ponto não é “tempo” sozinho. Tempo ajuda, mas o Spark precisa também olhar sinais do motivo.
Uma forma objetiva de começar:
- Defina janela de inatividade (por exemplo, 5 a 14 dias, ajustável ao seu ciclo).
- Trate qualquer mensagem após essa janela como reatendimento, mas exija checagem de contexto antes do follow-up.
Assim, você reduz o risco de reinterpretar um “bom dia” como mudança de estágio.
2) Identificar contexto: o que mudou desde a última interação
Aqui entra a leitura do que está acontecendo agora. A pergunta prática é: a conversa reabriu por continuidade ou por mudança?
Você pode estruturar a identificação em camadas, sem depender de um único campo.
Sinais que costumam funcionar bem
- Motivo explícito no texto do cliente (preço, prazo, demonstração, troca de canal).
- Categoria anterior vinculada ao lead (tag, resultado de qualificação, tópico do funil).
- Etapa atual no funil quando a conversa ficou inativa.
- Canal atual (WhatsApp vs Instagram) e origem do lead.
Com esses sinais, o Spark consegue reencaminhar o estado correto, em vez de reaproveitar a última automação.
3) Encaminhar para o estado correto do funil (onde a automação deve viver)
O encaminhamento é a parte mais importante, porque é onde você impede follow-up “fora da fila”.
Regra prática para o funil:
- Se o contexto indicar mudança de motivo, reposicione o lead na etapa compatível.
- Se o contexto indicar continuidade, mantenha o lead no estado atual e só retome a próxima tarefa.
- Se houver ambiguidade, interrompa a automação de follow-up e peça confirmação ou escale para o Agente IA para qualificar.
Isso evita o pior cenário, que é automatizar com baixa compreensão.
Exemplos micro: do reatendimento ao próximo passo certo
A seguir, três situações comuns com decisões claras.
Exemplo 1: mesmo lead, novo motivo
Situação: o cliente tinha “interesse em orçamento” e sumiu. Depois de alguns dias, volta perguntando “tem demo?”
Decisão de política:
- Identificar mudança de motivo.
- Reposicionar o lead para a etapa de demonstração.
- Criar tarefa de follow-up com agenda/convite coerente com demo, não com fechamento.
Resultado esperado:
- menos mensagens genéricas,
- conversas que caminham por intenção atual.
Exemplo 2: mudança de canal, intenção semelhante
Situação: o lead iniciou pelo Instagram, pediu “falar com vendas”, e migrou para WhatsApp para concluir.
Decisão de política:
- Detectar reatendimento pela mudança de canal.
- Confirmar intenção (não assumir que o último evento do Instagram vale igual no WhatsApp).
- Manter etapa se a intenção estiver alinhada, ou reposicionar se houver nova necessidade.
Resultado esperado:
- continuidade com controle, sem duplicar tarefas.
Exemplo 3: reabertura ambígua, precisa de qualificação
Situação: o lead volta com “tudo certo, posso falar agora?” mas não informa o motivo.
Decisão de política:
- Classificar como ambíguo.
- Pausar follow-up automático de etapa.
- Usar Agente IA para qualificar com perguntas de contexto antes de definir o próximo estado.
Resultado esperado:
- evita disparar o texto errado e cria base para decisão humana apenas quando necessário.
Onde o trio de IA entra sem bagunçar a política
A política de reatendimento organiza o “quando” e o “para onde”. A IA entra no “como” em cada camada.
Chat com IA: apoiar leitura e consistência no momento da mensagem
Quando a conversa reabre, o Chat com IA pode ajudar a contextualizar respostas iniciais, mas não deve decidir sozinho reposicionamento se o sistema estiver sem sinais.
Agente IA: qualificar e conduzir quando a política pede
Quando a reabertura é ambígua ou quando há mudança de motivo, o Agente IA ganha espaço para qualificar e conduzir para o estado correto.
Sugestões IA: sugerir próximos passos alinhados ao estado do funil
Sugestões IA funciona melhor quando a política já definiu o estado. Assim, as sugestões passam a ser derivadas de etapa e contexto, em vez de tentar adivinhar.
A regra de ouro: primeiro, política de reatendimento define o destino.
IA entra depois: primeiro a política de reatendimento define o destino no funil, e só então as sugestões/ações acontecem. Depois, IA sugere e executa dentro desse destino.
Checklist para implementar a política antes do follow-up
Use este checklist como sequência de montagem.
- Defina o que conta como reabertura (tempo, canal e sinais).
- Mapeie motivos e tags para identificar mudança de intenção.
- Crie regras de encaminhamento para reposicionar no funil ou pausar automação.
- Ajuste automações para depender do estado correto, não do último passo.
- Garanta uma via de qualificação quando o contexto estiver ambíguo.
Uma política bem feita não “impede automação”. Ela impede automação no lugar errado.
Takeaways
- Política de reatendimento vem antes do follow-up: primeiro o Spark reconhece o contexto ao reabrir.
- Reabertura não é só “nova mensagem”, é mudança de intenção, canal ou etapa.
- Encaminhamento para o estado correto do funil elimina tarefas e mensagens fora de fila.
- Ambiguidade pede qualificação (Agente IA), não dispara follow-up automático.
Se você quer que o WhatsApp e o Instagram pare de “engolir” leads, comece pela regra que protege sua cadência. O resto do sistema fica mais previsível quando a conversa volta para o lugar certo.