Ficha 02 · Emails, leads, avaliação e RGPD

• Baseado em tempo — dispara ao fim de um intervalo fixo, independentemente do que o lead faz. Ex.: "3 dias após a inscrição, enviar o guia."
• Baseado em evento (trigger) — dispara quando o lead faz algo. Ex.: "quando clica na página de preços, enviar proposta de demo."

A personalização (nome, empresa, produto de interesse através de campos dinâmicos) aplica-se a ambos e faz o email parecer escrito para aquela pessoa, aumentando a relevância e a taxa de resposta.

• Dia 0 — email de boas-vindas + conteúdo de valor (guia/checklist). Sem venda direta.
• Dia 3 (se não abriu) — reenvio com assunto diferente, para tentar captar atenção.
• Dia 6 (se abriu, não clicou) — caso de estudo com resultado concreto (prova social).
• Dia 10 (se clicou, não respondeu) — oferta/convite direto (demo, desconto de primeira compra, call).

Todos com personalização e opt-out visível. A condição de cada passo depende da reação ao anterior — é isso que distingue uma sequência de um simples reenvio em massa.

• Cargo = decisor (Diretor): +20
• Empresa no público-alvo: +15
• Abriu 2 emails: 2 × 5 = +10
• Clicou nos preços: +25
• Email corporativo (não é pessoal): 0

Total = 20 + 15 + 10 + 25 = 70 pontos.

70 ≥ 50 → o lead passa de MQL a SQL e é entregue automaticamente às vendas, com tarefa de contacto (idealmente em 24h, pois clicar nos preços indica intenção alta).

Com 30 pontos, o lead está abaixo do limiar → ainda é MQL, não deve ser entregue às vendas. O sistema mantém-no em nutrição (lead nurturing): continua a enviar-lhe conteúdo relevante e útil por email para aumentar o interesse e o score ao longo do tempo. Quando (e se) o comportamento fizer o score chegar a 50, é reclassificado como SQL e entregue a um comercial. Nutrir evita queimar um lead imaturo com uma abordagem comercial precoce.

Next best action (NBA) é a recomendação automática da próxima ação ideal para um negócio (ligar, enviar caso de estudo, oferecer demo, esperar), baseada no que funcionou em negócios semelhantes.

Diz-se que a IA recomenda mas não decide porque fornece sugestões e previsões (probabilidade de fecho, priorização), mas a decisão final e a responsabilidade são da pessoa. O risco de a deixar decidir sozinha: perde-se o sentido crítico, atua-se sobre dados enviesados ou incompletos, e ninguém assume responsabilidade por erros — além de possíveis problemas éticos e de RGPD. O modelo correto é a IA apoiar a decisão humana.

• Onde se perdem os negócios: taxa de conversão por fase — mostra a percentagem que passa de cada fase para a seguinte; a fase com maior queda é o gargalo. (Complemento: tempo médio de ciclo, para ver onde os negócios "encalham".)
• Se as sequências funcionam: taxa de resposta/conversão da sequência (objetivo final) e taxa de abertura/clique por email (para saber qual assunto e conteúdo funciona melhor e afinar por A/B testing).

Escolher KPI ligados ao objetivo evita medir "vaidade" (ex.: só nº de emails enviados) e permite agir sobre o que os dados revelam.

Ordem: Recolher → Analisar → Testar → Ajustar (e repetir).

1. Recolher — o CRM regista automaticamente os dados.
2. Analisar — dashboards revelam gargalos e ganhos.
3. Testar — A/B em assuntos, sequências, horários de envio.
4. Ajustar — afinar regras de scoring, fases e mensagens.

"Montar e esquecer" é um erro porque o mercado, os clientes e o desempenho mudam: uma sequência que convertia bem pode deixar de funcionar, um limiar de scoring pode estar mal calibrado. Sem monitorização e ajuste contínuos, a automação degrada-se e pode até prejudicar (ex.: enviar emails irrelevantes).

Problemas:

1. Falta de consentimento — esses contactos não autorizaram receber comunicações da empresa; enviar-lhes email de marketing viola o RGPD (base legal e finalidade inexistentes).
2. Falta de finalidade e transparência (e provável ausência de opt-out e origem lícita dos dados) — não sabem quem é a empresa nem porque foram contactados; é percecionado como spam e destrói confiança. Acresce qualidade duvidosa da lista (dados sujos, desatualizados).

Alternativa correta: construir a própria base com consentimento (formulários no site, lead magnets, eventos), com finalidade clara e opt-out em cada email; manter os dados limpos e atualizados (normas da qualidade); só automatizar comunicação para quem optou por recebê-la. Cresce mais devagar, mas é legal, ético e mais eficaz (leads realmente interessados).