Como classificar leads por urgência automaticamente no WhatsApp (sem ler tudo)

Com 100 leads por semana no WhatsApp, ler tudo é matematicamente inviável. A solução não é contratar mais SDR — é deixar a IA classificar cada lead por urgência antes de qualquer humano tocar na conversa. Esse post mostra o sistema.

Vou partir do problema real: o SDR abre o WhatsApp de manhã com 40 conversas novas. Ele não tem como saber qual lead tá pronto pra comprar agora e qual vai precisar de três follow-ups ao longo de duas semanas. Sem critério claro, ele vai pelo que parece mais urgente visualmente — geralmente a última mensagem recebida, não o lead mais qualificado.

O resultado é previsível: lead quente fica esperando enquanto o SDR gasta energia com lead frio que nunca vai fechar.

Por que classificar urgência muda o resultado?

Urgência não é o mesmo que intenção de compra. Um lead pode ter intenção alta e urgência baixa — ou o inverso. Misturar os dois conceitos faz o SDR perder tempo com quem quer mas não pode agora, e ignorar quem pode mas ainda não expressou intenção claramente.

Dados de operações com Super SDR rodando na Expert: leads classificados como QUENTE convertem em reunião a uma taxa 4x maior do que leads sem classificação quando abordados nas primeiras 2 horas. Depois de 6 horas, essa vantagem cai pela metade. O timing importa, e o timing só existe se vc sabe quem é quente.

A classificação automática resolve dois problemas ao mesmo tempo: libera o SDR de ler tudo e cria um critério objetivo de prioridade que não depende do humor nem do cansaço de ninguém.

Quais são os 3 níveis de urgência?

O sistema trabalha com três níveis — QUENTE, MORNO e FRIO. Cada um tem critérios claros de entrada e saída. Sem critério claro, a classificação vira opinião.

QUENTE — lead com reunião confirmada, urgência declarada (“preciso resolver isso essa semana”, “tô avaliando soluções agora”) ou orçamento explicitamente mencionado. Comportamento: respondeu rápido (menos de 30 minutos em pelo menos duas trocas), foi ele quem mandou a primeira mensagem ou veio por indicação direta. Ação esperada: SDR ou closer humano entra em no máximo 2 horas.

MORNO — lead qualificado (passou pelo funil de 4 perguntas, tem porte e dor alinhados) mas sem urgência declarada. Respondeu, mas com delay. Não trouxe contexto de prazo. Ação esperada: sequência de acompanhamento entre 3 e 7 dias, automatizada.

FRIO — não qualificado nas respostas do funil, ou qualificado mas sem resposta por mais de 48 horas, ou respondeu só monossilabicamente sem engajamento real. Ação esperada: entra em fluxo de nutrição longa (15 a 30 dias) ou arquivo.

A divisão em três níveis, não dois, é intencional. “Qualificado ou não qualificado” é binário demais. O MORNO é o nível que mais gente ignora — e é onde mora boa parte da receita futura.

Qual é o critério de classificação automático?

A IA classifica com base em dois blocos de dados: respostas do funil e comportamento de conversa.

Bloco 1 — respostas do funil: as quatro perguntas de qualificação (porte, dor, maturidade, urgência) geram um score estruturado. Cada resposta tem peso. Urgência declarada pontua alto. Porte fora do ICP desconta diretamente do score. Maturidade tecnológica baixa (“nunca usei ferramenta, faço tudo no Excel”) vai pra FRIO independente do restante.

Bloco 2 — comportamento de conversa: a IA lê o padrão da troca de mensagens, não só o conteúdo. Tempo médio de resposta do lead, quem iniciou cada bloco de conversa, tamanho das mensagens (mensagem longa = maior engajamento), uso de linguagem de urgência mesmo sem declará-la explicitamente (“tô sofrendo com isso”, “já testei três ferramentas”).

O prompt de classificação une os dois blocos e retorna a tag + justificativa em texto curto. Essa justificativa aparece no CRM pra o SDR entender por que aquele lead foi marcado como QUENTE — não é caixa-preta.

Como configurar as tags no ChatGuru?

No ChatGuru, tags são aplicadas automaticamente por automação de fluxo. O setup tem três partes.

Parte 1 — integração com o funil: quando o lead termina o fluxo de qualificação, o ChatGuru faz um POST para um webhook (Make ou n8n) com as respostas. Esse webhook chama a IA (GPT-4o mini ou Claude Haiku — custo por classificação de R$ 0,002) e recebe de volta a tag: urgencia:quente, urgencia:morno ou urgencia:frio.

Parte 2 — aplicação da tag: o webhook chama a API do ChatGuru com o número do lead e aplica a tag correspondente. Tempo total do processo: menos de 8 segundos depois da última resposta do funil.

Parte 3 — visão segmentada: no painel do ChatGuru, o SDR abre a visão filtrada por urgencia:quente no começo de cada período de trabalho. Zero leads sem classificação visíveis nessa tela. Os outros ficam em filas separadas com SLA diferente.

Um detalhe operacional importante: a tag muda ao longo do tempo. Se um lead MORNO responde de novo depois de 5 dias com urgência declarada, o fluxo reclassifica automaticamente. Não é classificação estática — é estado atual.

O que fazer com cada nível de urgência?

Cada tag exige uma ação diferente — e exige um ritmo diferente. Não tem como usar o mesmo playbook pra QUENTE e FRIO.

QUENTE: SDR ou closer entra na conversa humana em até 2 horas. A mensagem de abertura precisa reconhecer o contexto do lead (a IA passou isso na justificativa da tag). Nada de mensagem genérica de “vi que você tem interesse”. O lead declarou urgência — a resposta precisa tratar isso como ponto de partida, não como introdução.

MORNO: sequência de 3 a 5 mensagens automatizadas ao longo de 7 dias. Cada mensagem testa um ângulo diferente: case relevante, dado do setor, pergunta aberta sobre o problema. Se o lead responder em qualquer ponto da sequência, o fluxo reclassifica e puxa o SDR humano de volta. Se não responder ao final da sequência, vai pra FRIO.

FRIO: entra em fluxo de nutrição longa. Frequência baixa — uma mensagem a cada 15 dias no máximo. O objetivo aqui não é vender agora, é ficar presente até o momento de compra chegar. Lead frio que abre todas as mensagens por 60 dias e nunca responde ainda tem valor — quando ele finalmente responder, vai reclassificar pra MORNO automático.

O erro mais comum que vejo na prática: time que só trabalha o QUENTE e deixa MORNO e FRIO morrendo. Em volume, a receita acumulada do MORNO bem trabalhado supera o QUENTE em muitos casos — o ticket médio é similar, mas o volume de leads MORNO é em geral 3x maior.

Perguntas frequentes

A IA erra na classificação? Sim, e isso é esperado. A taxa de erro em produção fica entre 8% e 12% — principalmente em leads que usam linguagem ambígua ou irônica. O sistema foi desenhado pra ser conservador: quando há dúvida, classifica como MORNO em vez de FRIO. Errar pra cima (tratar um MORNO como QUENTE) é menos custoso do que errar pra baixo (arquivar um lead QUENTE). O SDR pode corrigir a tag manualmente, e essa correção retroalimenta o prompt ao longo do tempo.

Precisa ter o ChatGuru pra usar esse sistema? Não necessariamente. O ChatGuru facilita porque tem API nativa de tags e visão filtrada. Mas o mesmo sistema pode rodar em cima de qualquer ferramenta que suporte webhooks e campos customizados — Kommo, HubSpot, até planilha com Zapier pra operações menores. O que não muda é a lógica de classificação e o critério de cada nível. A ferramenta é secundária.

Quanto tempo leva pra configurar? Com o fluxo de qualificação já rodando e acesso à API do ChatGuru, a configuração do webhook de classificação leva de 4 a 6 horas. O maior tempo não é técnico — é calibrar os critérios de QUENTE/MORNO/FRIO pro seu ICP específico. Um lead com urgência de 7 dias pode ser QUENTE pra uma empresa com ciclo de venda curto e MORNO pra outra com ciclo de 60 dias.

E se o lead não responder o funil completo? Lead que abandona o funil no meio vai direto pra FRIO com tag adicional funil:incompleto. O fluxo de FRIO pra esses casos começa com uma mensagem que retoma de onde parou, não do zero. Taxa de reengajamento desse grupo específico fica em torno de 18% — vale trabalhar.

Faz sentido classificar leads que vieram por indicação? Sim, mas o critério muda. Lead por indicação tem prior alto de qualificação. Pra esses, o sistema ignora o score de porte e maturidade e olha só pra urgência declarada e comportamento. Em 70% dos casos, lead de indicação entra como QUENTE direto — e isso é consistente com a taxa de conversão desse canal, que costuma ser 2x a 3x maior do que leads de tráfego pago.

O sistema funciona pra B2C também? Com adaptações. O critério de classificação B2C troca “porte de empresa” por “perfil de comprador” e “orçamento declarado”. Urgência e comportamento de conversa funcionam da mesma forma. A principal diferença é o volume — em B2C o volume de leads costuma ser 5x a 10x maior, então o ganho de classificação automática é proporcionalmente maior também.

Bora testar? O próximo passo prático é mapear como seus leads chegam hoje e onde a classificação por urgência se encaixa — antes de configurar qualquer automação.