A API do WhatsApp Business gera mais dados do que a app WhatsApp Business, mas menos do que a maioria das marcas imagina. Estão disponíveis taxas de entrega, de leitura e de resposta. A atribuição de receita, o valor do cliente ao longo da vida ligado à atividade no WhatsApp e as comparações de desempenho entre canais exigem trabalho adicional, para lá do que a API fornece de origem. Perceber a fronteira entre o que a API reporta automaticamente e o que tem de ser construído por cima evita a desilusão de esperar mais do que a plataforma dá, e evita a oportunidade perdida de não usar o que ela dá.
O que a API do WhatsApp Business reporta de origem
A API fornece um conjunto definido de dados ao nível da mensagem e da conversa. Saber exatamente o que está disponível ajuda as marcas a montar relatórios realistas, sem contar com funcionalidades que a plataforma não tem.
Dados de estado ao nível da mensagem
Por cada mensagem enviada através da API, o WhatsApp devolve uma atualização de estado em cada fase da entrega. Os estados disponíveis são:
- Enviada: a mensagem saiu da API e está no sistema de entrega do WhatsApp
- Entregue: a mensagem chegou ao dispositivo do destinatário
- Lida: o destinatário abriu a mensagem (só disponível quando o destinatário tem as confirmações de leitura ativas)
- Falhada: não foi possível entregar a mensagem, com um código de erro a indicar o motivo
Estes estados são devolvidos como webhooks, ou seja, a API envia a atualização de estado ao sistema da marca em tempo real, sem ser preciso fazer um pedido de consulta. Captar e guardar estes eventos de webhook é a base da análise ao nível da mensagem. Sem um sistema que receba e registe estes webhooks, os dados perdem-se.
Métricas ao nível da conversa
Para além dos estados de cada mensagem, a API fornece dados ao nível da conversa através dos seus pontos de acesso de análise. As métricas disponíveis incluem o número de conversas por categoria (marketing, utilitária, autenticação, serviço), por período de tempo e por país. Estes dados servem para gerir custos (perceber quantas conversas faturáveis houve em cada categoria) e para analisar tendências de volume. Não dão informação sobre conversas individuais: não existe nenhum ponto de acesso da API que devolva o texto completo de conversas passadas ou o resultado de uma troca concreta. O conteúdo das conversas fica acessível em tempo real através de webhooks, mas não é guardado nem pode ser recuperado através da API mais tarde, a menos que o sistema da própria marca o capte.
Métricas de desempenho dos modelos de mensagem
Para os modelos de mensagem usados em campanhas de envio, a API fornece dados de desempenho agregados: o número de vezes que cada modelo foi enviado, entregue, lido e respondido. Estes dados estão disponíveis ao nível do modelo, não ao nível do destinatário. Dizem-te como um modelo se saiu no conjunto, mas não quais os contactos concretos que o leram ou responderam. Os dados de desempenho dos modelos são essenciais para perceber que formatos de mensagem e que abordagens de conteúdo funcionam junto do público, e dão a base de evidência para decidir que modelos manter, otimizar ou abandonar.
Classificação de qualidade do número de telefone
A API expõe a classificação de qualidade do número de telefone da empresa, que o WhatsApp atualiza com base nas interações dos clientes: bloqueios, denúncias e cancelamentos de subscrição entram na classificação. A classificação tem três níveis (alta, média, baixa) e afeta diretamente os limites de envio aplicados à conta. Acompanhar a classificação de qualidade através da API ou do painel do Business Manager permite às marcas detetar cedo uma degradação da qualidade e investigar a causa antes de esta resultar numa capacidade de envio reduzida. Uma descida de alta para média é um aviso; uma descida para baixa exige ação imediata para identificar e corrigir a causa de fundo.
O que a API não reporta
Entre as lacunas notáveis dos relatórios de origem da API estão:
- O conteúdo das conversas: o texto das mensagens passadas não pode ser recuperado através da API depois de a janela da conversa fechar, a menos que seja guardado à parte
- Atribuição de receita: não há nenhuma ligação integrada entre uma conversa no WhatsApp e uma compra posterior
- Desempenho dos agentes: os tempos de resposta, as taxas de resolução e as pontuações de qualidade de cada agente não são acompanhados pela própria API
- Dados demográficos do público: o WhatsApp não fornece idade, género nem localização dos contactos
- Comparações de referência: a API não diz como o teu desempenho se compara com as médias do setor
Análise de conversas: perceber o desempenho dos fluxos
Para as marcas que usam fluxos de conversa automatizados (chatbots, sequências de boas-vindas, fluxos de qualificação), perceber como os contactos avançam por esses fluxos é essencial para identificar onde funcionam e onde falham.
Taxas de conclusão dos fluxos
A taxa de conclusão de um fluxo é a proporção de contactos que iniciaram um fluxo de conversa e chegaram ao ponto final definido sem desistirem a meio. Uma taxa de conclusão alta indica que o fluxo é claro, relevante e fácil de seguir. Uma taxa baixa significa que os contactos desistem antes de chegarem à resolução. Acompanhar a taxa de conclusão por fluxo e ao longo do tempo revela se as alterações ao fluxo melhoraram ou pioraram o desempenho. O ponto final deve ser definido antes de o fluxo ser construído: num fluxo de apoio, pode ser "problema resolvido"; num fluxo de qualificação, pode ser "contacto passado à equipa de vendas".
Análise de abandono: onde os contactos desistem
A análise de abandono mostra exatamente em que passo de um fluxo de conversa os contactos desistem com mais frequência. Um abandono elevado num passo específico é um sinal fiável de que algo está mal nesse ponto: a mensagem é confusa, as opções apresentadas não correspondem ao que o contacto precisa, a resposta exigida dá demasiado trabalho, ou o tempo de espera por uma resposta (em fluxos híbridos) é demasiado longo. A solução depende do diagnóstico. Uma mensagem confusa precisa de ser reescrita. Um menu com opções erradas precisa de ser reestruturado. Uma ação demasiado complexa precisa de ser simplificada. Fazer a análise de abandono de cada fluxo depois das duas primeiras semanas no ar e, a partir daí, todos os meses mantém os fluxos a melhorar em vez de se degradarem com o tempo.
Taxa de escalamento e motivos de escalamento
A taxa de escalamento é a proporção de conversas automatizadas em que um agente humano teve de assumir o controlo. Uma taxa de escalamento baixa não é automaticamente boa: se o chatbot trata de pedidos que deveria escalar (reclamações complexas, conversas de venda de alto valor, questões sensíveis da conta), uma taxa baixa significa que a automatização se está a exceder. Uma taxa alta significa que a automatização está abaixo do esperado nos cenários para que foi construída. O dado mais útil não é a taxa em si, mas os motivos do escalamento. Categorizar os motivos de escalamento todas as semanas revela que cenários o chatbot tem de tratar melhor e quais devem ficar para sempre com pessoas.
Distribuição do tempo de resposta ao longo da conversa
Nos fluxos híbridos, em que passos automáticos alternam com respostas humanas, medir o tempo de resposta em cada fase revela onde se introduzem atrasos. Um passo automático que demora três segundos e um passo humano que demora 45 minutos no mesmo fluxo criam uma experiência inconsistente. A distribuição do tempo de resposta por passo identifica os passos lentos e permite melhorias dirigidas à equipa, ao encaminhamento ou à cobertura da automatização. O objetivo não é um tempo de resposta uniforme em todos os passos (a automatização é mais rápida do que as pessoas por natureza), mas garantir que os passos humanos não introduzem atrasos que estraguem a rapidez que o cliente sentiu nos passos automáticos.
Comparação de desempenho entre fluxos
As marcas costumam ter vários fluxos de conversa em simultâneo: um fluxo de boas-vindas para novos contactos, um fluxo de triagem de apoio para pedidos recebidos, um fluxo de qualificação para pedidos de vendas, um fluxo de reativação para contactos inativos. Comparar taxas de conclusão, padrões de abandono e taxas de escalamento entre fluxos identifica os que precisam de mais atenção e os que têm um nível digno de ser replicado. Um fluxo de triagem de apoio com 85 por cento de conclusão e um fluxo de qualificação de vendas com 40 por cento de conclusão mostram-te onde concentrar o esforço de melhoria antes de escalar qualquer um deles.
Montar uma estrutura completa de análise do WhatsApp
Os relatórios de origem da API, combinados com dados da plataforma de conversas, do CRM e do sistema de comércio eletrónico ou de gestão de encomendas, dão uma visão completa do desempenho do WhatsApp. Montar esta estrutura exige decisões sobre captação, armazenamento e integração de dados.
Captar e guardar eventos de webhook
A API entrega as atualizações de estado das mensagens como webhooks em tempo real. Se estes eventos não forem captados e guardados, os dados perdem-se. Construir um recetor de webhooks que regista cada evento de estado numa base de dados é a base da estrutura de análise. O registo deve guardar, no mínimo: o ID da mensagem, o número de telefone do destinatário, a data e hora, o estado e o código de erro das mensagens falhadas. Este registo em bruto é a fonte de verdade a partir da qual se calculam todas as métricas ao nível da mensagem. Sem ele, as taxas de entrega e de leitura só estão disponíveis através dos pontos de acesso de análise pré-agregados da API, que dão resumos mas não os dados detalhados necessários para uma análise a fundo.
Ligar os dados do WhatsApp ao CRM
Ligar os dados das conversas do WhatsApp aos registos de contactos do CRM cria a base para a análise ao nível do contacto: quantas conversas teve um contacto concreto, qual foi o resultado de cada uma, qual é o seu histórico de compras em relação ao seu envolvimento no WhatsApp. Esta ligação exige um identificador consistente (normalmente o número de telefone) que exista nos dois sistemas e permita cruzar os registos. Depois de cruzados, tornam-se possíveis consultas entre sistemas: que contactos da lista do WhatsApp também fizeram uma compra nos últimos 90 dias, que contactos já tiveram uma conversa no WhatsApp mas ainda não converteram, que contactos têm a taxa de interação mais alta nos envios em massa.
Atribuição de receita através da estrutura de dados
Atribuir receita a conversas do WhatsApp exige uma ligação entre o evento da conversa e o evento da compra. A implementação mais limpa usa um ID de conversa que é passado ao checkout quando uma venda nasce numa conversa do WhatsApp, o que permite marcar a compra com uma origem WhatsApp no sistema de gestão de encomendas. Quando isto não é tecnicamente possível, métodos indiretos (códigos de desconto únicos por envio em massa, links de pagamento com etiquetas UTM, origens da venda registadas pelos agentes no CRM) dão uma aproximação. Rever todos os meses a receita atribuída ao WhatsApp face ao custo de manter o canal (taxas da API, tempo da equipa, custos da plataforma) produz o cálculo de ROI que justifica continuar a investir.
Plataformas de análise e painéis
Os dados em bruto guardados em bases de dados não ficam acessíveis à equipa de marketing ou de experiência do cliente sem uma camada de relatórios por cima. As opções para construir essa camada incluem:
- O painel de análise incluído na plataforma do fornecedor de soluções do WhatsApp Business, que cobre as métricas que o fornecedor acompanha
- Uma ferramenta de business intelligence ligada ao armazém de dados onde ficam os eventos de webhook e os dados do CRM, que permite relatórios personalizados e consultas entre sistemas
- Relatórios em folha de cálculo para operações mais pequenas, em que os dados são exportados dos pontos de acesso de análise da API e combinados à mão
A escolha certa depende do volume de dados, dos recursos técnicos disponíveis e da frequência com que os dados precisam de ser atualizados. Uma operação de API em grande escala, com milhares de conversas por dia, precisa de uma ferramenta de BI a sério. Uma operação mais pequena safa-se com exportações agendadas e uma folha de cálculo bem estruturada.
Retenção de dados e obrigações de privacidade
Os dados de conversas do WhatsApp guardados na estrutura de análise da própria marca estão sujeitos às mesmas obrigações de privacidade que os restantes dados de clientes. Os prazos de conservação dos registos de conversas, dos registos de contactos e dos dados de desempenho devem ser definidos pela regulamentação de privacidade aplicável em cada mercado onde operas. Os dados que já não são precisos devem ser eliminados segundo um calendário definido, em vez de ficarem guardados indefinidamente. Quando um contacto pede a eliminação dos seus dados, essa eliminação tem de abranger a estrutura de análise, o CRM e qualquer outro sistema ligado. Incluir a eliminação de dados na infraestrutura de análise desde o início, em vez de a acrescentar depois, é bastante mais fácil de manter.
Transformar dados em decisões
Uma estrutura de análise que produz dados mas não muda decisões é uma infraestrutura cara sem retorno. Converter os dados de análise do WhatsApp em decisões operacionais e estratégicas exige um ritmo de revisão definido e uma ligação clara entre sinais nos dados e ações.
A revisão semanal dos dados: decisões operacionais
A revisão semanal cobre as métricas que podem mudar depressa e precisam de atenção rápida. As verificações semanais principais incluem: taxas de entrega e de leitura das campanhas da semana, desempenho de quaisquer modelos novos lançados, estado e tendência da classificação de qualidade, taxa de escalamento dos fluxos automatizados e médias do tempo de primeira resposta. Cada métrica deve ter um limiar: acima do limiar, não é preciso agir; abaixo do limiar, há uma investigação e uma resposta definidas. A revisão semanal não deve demorar mais de 30 minutos se os relatórios estiverem bem montados e os limiares estiverem definidos de antemão.
A revisão estratégica mensal: decisões sobre o canal
A revisão mensal cobre tendências, atribuição e distribuição de recursos. As perguntas principais do mês: o público que deu autorização está a crescer ao ritmo previsto, a atribuição de receita do WhatsApp está a seguir o objetivo, que fluxos automatizados estão abaixo do esperado e qual é o plano para os melhorar, que segmentos de público geram as taxas de resposta mais altas e o que isso implica para a segmentação, e como se compara este mês o custo por aquisição do WhatsApp com o de outros canais? O resultado da revisão mensal deve ser de três a cinco decisões ou ações concretas para o mês seguinte, cada uma com um responsável nomeado e uma data de conclusão definida.
Usar dados de testes A/B para melhorar modelos e fluxos
Os dados de desempenho dos modelos fornecidos pela API são a matéria-prima de testes A/B sistemáticos. Fazer um teste a uma variante de um modelo (mudando a frase de abertura, o apelo à ação, a hora de envio ou o tipo de multimédia) e comparar os dados de desempenho antes e depois da alteração produz evidência sobre qual a melhor versão. Nos fluxos de conversa, testar um passo revisto contra o original e comparar as taxas de abandono nesse passo específico quantifica a melhoria. Cada resultado de teste, quer a variante tenha ganho quer o original se tenha mantido, acrescenta ao conhecimento da organização sobre o que funciona para o teu público. Manter um registo de testes com cada experiência e o seu resultado evita repetir o que já foi tentado.
Ligar a análise ao planeamento de conteúdos e campanhas
Os dados de análise do WhatsApp devem alimentar diretamente o planeamento de conteúdos e campanhas. Vale a pena aproveitar os modelos com taxas de resposta altas em campanhas anteriores. Os temas que geraram mais conversas recebidas revelam o que mais interessa ao público. O momento das campanhas com melhores taxas de leitura indica quando agendar as próximas. As perguntas de clientes que surgiram repetidamente nas conversas de apoio apontam lacunas de conteúdo que podem ser tratadas de forma proativa em envios em massa ou fluxos. Os dados de análise valem mais não isolados, mas como um ciclo contínuo de feedback que torna cada campanha seguinte mais relevante e mais bem temporizada do que a anterior.
Reportar a análise da API à direção
Os relatórios para a direção sobre a análise da API do WhatsApp devem traduzir métricas técnicas em linguagem de negócio. As taxas de entrega e a latência dos webhooks não interessam a quem decide ao mais alto nível. A receita atribuída ao WhatsApp, o custo por aquisição comparado com o de outros canais e as pontuações de satisfação dos clientes em inquéritos feitos depois da conversa, sim. Montar um resumo mensal de uma página, com três a cinco métricas ao nível do negócio (e indicadores de tendência que mostrem se cada métrica melhorou ou piorou face ao mês anterior), dá à direção a informação de que precisa para avaliar o canal sem exigir conhecimentos sobre o funcionamento da API. O objetivo é um relatório que deixe claro se o investimento no WhatsApp está a dar retorno e o que está a ser feito para melhorar o desempenho onde não está.
Usamos um fornecedor de soluções do WhatsApp Business. Ele trata da análise por nós, ou temos de construir a nossa?
A maioria das plataformas de fornecedores de soluções inclui um painel de análise que cobre as métricas que acompanham: taxas de entrega e de leitura das mensagens, número de conversas por categoria, desempenho dos modelos e, por vezes, taxas de conclusão dos fluxos. Isto chega para a monitorização operacional. Onde a análise do fornecedor fica aquém é nos relatórios entre sistemas: ligar os dados do WhatsApp aos registos do CRM, atribuir receita a conversas concretas ou comparar o desempenho do WhatsApp com o de outros canais. Para estes casos, os dados do fornecedor têm de ser exportados e combinados com dados de outros sistemas, à mão ou através de uma ferramenta de BI. Confirma o que o painel de análise do teu fornecedor cobre antes de decidires se vale a pena construir infraestrutura de relatórios adicional.
A nossa taxa de leitura tem vindo a descer de forma constante nos últimos três meses. O que devemos investigar?
Uma taxa de leitura em queda tem normalmente uma de três causas. Primeiro, o público está a ficar menos envolvido: contactos que deram autorização há algum tempo e já não usam o WhatsApp ativamente, ou que têm o número da marca mas já não estão interessados. Segundo, os contactos recebem as mensagens mas não guardam o número, o que reduz a sensação pessoal da mensagem e a vontade de a abrir. Terceiro, a frequência das mensagens aumentou a ponto de os contactos darem menos prioridade às mensagens da marca. Verifica na lista os contactos que não leram nenhuma mensagem nos últimos 60 dias, revê se as autorizações recentes guardaram o número e confirma se a frequência mudou durante o período de descida.
Como sabemos que contactos concretos responderam a um envio em massa sem rever manualmente todas as conversas?
Através do sistema de webhooks da API. Quando um contacto responde a uma mensagem que fez parte de um envio em massa, o webhook da mensagem recebida inclui o ID da mensagem original desse envio. Se o teu sistema guarda os envios com os respetivos IDs de mensagem e regista as mensagens recebidas com o ID da mensagem a que respondem, podes consultar estes dados para identificar exatamente que contactos responderam a um envio específico. Isto exige um recetor de webhooks e uma base de dados para guardar os eventos. Sem esta infraestrutura, o acompanhamento das respostas tem de ser feito à mão na plataforma de conversas, o que não é prático em grande escala.
Queremos saber qual dos nossos fluxos de conversa tem mais abandono. Como o descobrimos sem apoio de programadores?
A maioria das plataformas de chatbot para WhatsApp oferece análise de fluxos no painel, que mostra quantos contactos entraram em cada passo de um fluxo e quantos avançaram para o passo seguinte. Esta vista de funil por passo torna o abandono visível sem análise personalizada. Se a plataforma não oferece isto de origem, verifica se permite exportar dados de conversas: uma folha de cálculo com as conversas e os seus resultados pode ser analisada para identificar o último passo alcançado antes do abandono. Para marcas sem acesso a nenhuma das duas opções, perguntar ao fornecedor de soluções que análise de fluxos existe na plataforma é a forma mais rápida de perceber o que é possível sem desenvolvimento adicional.
A nossa análise do WhatsApp está dividida por três plataformas: o painel do fornecedor de soluções, o nosso CRM e o nosso sistema de comércio eletrónico. Como as consolidamos?
As opções de consolidação vão do simples ao complexo, conforme os recursos técnicos. A abordagem mais simples é uma exportação manual mensal de cada sistema para uma folha de cálculo partilhada, mantida por uma pessoa e revista em conjunto. Uma abordagem mais robusta usa uma ferramenta de integração de dados que vai buscar dados à API de cada sistema com uma periodicidade definida e os carrega numa base de dados central, a partir da qual se constrói um painel único. A abordagem manual funciona em pequena escala; a automatizada é necessária quando o volume de dados ou a frequência da revisão tornam a consolidação manual impraticável. Começa simples e passa à automatização quando o processo manual se tornar o gargalo.
Como calculamos o ROI da nossa operação de WhatsApp para justificar a continuação do investimento?
O ROI exige dois números: quanto custou o WhatsApp e o que produziu. Do lado do custo: taxas da API, taxas da plataforma do fornecedor de soluções, tempo da equipa dedicado ao WhatsApp (estimado em horas multiplicadas por um valor por hora) e quaisquer custos de ferramentas ou desenvolvimento. Do lado da receita: vendas atribuídas diretamente a conversas do WhatsApp, receita de retenção de clientes reativados através do WhatsApp e poupança em custos de apoio com pedidos resolvidos pelo WhatsApp que, de outra forma, exigiriam um canal mais caro (telefone, atendimento presencial). O lado da atribuição é mais difícil de tornar preciso, mas mesmo uma estimativa prudente da receita atribuída, comparada com os custos totais, dá uma imagem suficiente para fazer um caso de investimento defensável.