O que é análise de texto (text analytics)? É a análise automatizada de textos escritos, como tickets, chats e e-mails, para extrair temas, sentimento e intenção em escala. Ela permite que uma equipe de atendimento entenda todas as conversas escritas, e não só uma pequena amostra, e é a metade escrita da análise de conversas.
Em resumo
- A análise de texto transforma linguagem não estruturada em dados que você pode medir e pesquisar.
- Ela funciona em quatro passos: coletar, limpar, classificar e reportar.
- Na monitoria de qualidade, revela momentos de qualidade e de coaching.
- Em CX, mostra o que os clientes pedem e como se sentem.
- As melhores ferramentas ligam cada nota às palavras exatas por trás dela.
Como a análise de texto funciona
A análise de texto funciona coletando as conversas escritas, limpando o texto, classificando-o com processamento de linguagem natural e apresentando os resultados como campos que a equipe pode filtrar e acompanhar ao longo do tempo.
Passo 1: coletar o texto
O texto vem de onde as conversas já estão: o helpdesk, a ferramenta de chat, a caixa de e-mail, os comentários de pesquisas ou os sites de avaliação. Como roda automaticamente nesses sistemas, a análise de texto consegue processar continuamente todo o volume de tickets e chats, e não a pequena porcentagem que uma equipe conseguiria ler à mão.
Passo 2: limpar e estruturar
As conversas brutas trazem assinaturas, respostas citadas, respostas automáticas e erros de digitação. O texto é dividido em mensagens, o autor de cada mensagem é identificado (cliente ou atendente) e o ruído é removido, para que a análise leia o que de fato foi dito.
Passo 3: classificar com processamento de linguagem natural
Em seguida, modelos de linguagem classificam cada mensagem ou conversa: agrupam por tema, avaliam o sentimento como positivo, neutro ou negativo e detectam a intenção do cliente, por exemplo um pedido de reembolso, um relato de bug ou um cancelamento. Os sistemas mais antigos dependiam de regras de palavras-chave; os modelos atuais leem o contexto, então fica menos provável deixar passar a mensagem educada de um cliente insatisfeito.
Passo 4: reportar e agir
O resultado são dados estruturados: contagens por tema, tendências de sentimento e proporções de intenção que a equipe pode filtrar e detalhar. O passo útil é o último, em que cada padrão abre as conversas por trás dele e vai para alguém que pode resolvê-lo.
O que a análise de texto extrai
A análise de texto converte a escrita livre em cinco tipos de sinal: temas, sentimento, intenção, qualidade e tendências, e a equipe pode filtrar e agir com base em cada um deles.
| Sinal | O que captura | Exemplo no atendimento |
|---|---|---|
| Temas | Os assuntos sobre os quais os clientes escrevem, agrupados automaticamente | “Cobrança”, “login”, “atraso na entrega” |
| Sentimento | Se o tom do cliente é positivo, neutro ou negativo | Frustração crescente nos tickets de entrega |
| Intenção | O que o cliente quer: um reembolso, uma correção, um cancelamento e mais | Pedidos de cancelamento em alta depois de um reajuste de preço |
| Qualidade | O quanto a resposta escrita de um atendente cumpre os seus critérios | Etapa de verificação esquecida em alterações de conta |
| Tendências | Como temas e sentimento mudam ao longo do tempo | Um tema novo que surge depois de um lançamento |
Análise de texto no atendimento ao cliente
No atendimento ao cliente, a análise de texto lê todos os tickets, chats e e-mails para mostrar por que os clientes escrevem, como se sentem e o quanto os atendentes responderam bem, para que as equipes de QA e de CX trabalhem com o volume completo.
Na monitoria de qualidade do atendimento, a análise de texto é o que torna possível avaliar conversas escritas em escala, avaliando tickets e chats com um formulário de monitoria e revelando os momentos que valem coaching. Na experiência do cliente, ela mostra a voz do cliente (em inglês) no agregado: os motivos recorrentes de contato, onde o sentimento está piorando e quais problemas estão crescendo.
Veja como isso funciona na prática para três perguntas comuns de um líder de atendimento:
| Pergunta | O que a análise de texto mostra | Próximo passo |
|---|---|---|
| Por que o volume de tickets subiu na semana passada? | Um tema, “redefinição de senha”, dobrou depois de um lançamento | Enviar exemplos para o produto e publicar um artigo de ajuda |
| Quais clientes estão prestes a cancelar? | Intenção de cancelamento e sentimento negativo nas mesmas contas | Encaminhar essas conversas para um atendente sênior |
| Onde os atendentes precisam de coaching? | Notas de qualidade baixas em um critério nos chats de cobrança | Fazer coaching nesse critério com exemplos reais |
A Kaizo aplica isso às conversas de atendimento: avalia cada ligação, chat e e-mail com os seus próprios critérios, acompanha o sentimento e a empatia em 100% das mensagens e mostra se uma queda vem de um processo quebrado, de um atrito no produto ou de uma lacuna de habilidade. Para o passo das descobertas às correções, veja o nosso guia de insights de atendimento.
Análise de texto vs mineração de texto, análise de sentimento e speech analytics
A análise de texto é o termo guarda-chuva para analisar a linguagem escrita; a análise de sentimento é um dos seus resultados, a mineração de texto é quase um sinônimo e o speech analytics faz o mesmo trabalho com ligações.
| Termo | O que faz | Relação com a análise de texto |
|---|---|---|
| Mineração de texto (text mining) | Encontra padrões em grandes volumes de texto | Muitas vezes usada como sinônimo; alguns a reservam para a etapa de encontrar padrões |
| Análise de sentimento (em inglês) | Avalia o tom de uma mensagem | Um dos resultados da análise de texto |
| Speech analytics | Analisa ligações gravadas, normalmente depois da transcrição | A contraparte de voz |
| Conversation intelligence (em inglês) | Lê voz e texto lado a lado e acrescenta fluxos de trabalho | Se apoia na análise de texto e no speech analytics |
Termos relacionados
- Análise de interações
- Análise de sentimento do cliente
- Dashboard de atendimento
- Análise de conversas explicada (em inglês)
Comece com uma pergunta que os seus tickets deveriam responder
Escolha uma pergunta da tabela acima, como o motivo de o volume ter subido na semana passada, e verifique se os seus relatórios atuais conseguem respondê-la a partir do próprio texto. Se não conseguirem, mostramos em uma demo ao vivo, com dados de exemplo, como a Kaizo lê todas as conversas escritas e liga cada número às mensagens por trás dele.
Vamos conversar Conheça os Insights da Kaizo
Perguntas frequentes
Análise de texto é o mesmo que análise de sentimento?
Não. A análise de sentimento é uma parte da análise de texto e avalia o tom de uma mensagem como positivo, neutro ou negativo. A análise de texto é mais ampla: também extrai temas, intenção e sinais de qualidade das conversas escritas e mostra como eles mudam ao longo do tempo. A maioria das ferramentas de análise de texto inclui o sentimento como um entre vários resultados.
Qual é a diferença entre análise de texto e speech analytics?
A análise de texto lê textos escritos, como tickets, chats e e-mails. O speech analytics trabalha com voz e transcreve as ligações antes de analisá-las. Depois que uma ligação é transcrita, as mesmas técnicas valem para as duas. A conversation intelligence combina as duas, para que a equipe veja um mesmo problema do cliente em todos os canais em que ele apareceu.
O que a análise de texto faz pelas equipes de atendimento?
Ela permite que a equipe meça todas as conversas escritas, em vez de uma amostra manual. Revela notas de qualidade para a monitoria, os temas e as intenções que os clientes trazem e como o sentimento evolui na fila. Assim, uma impressão como “os tickets de cobrança parecem mais irritados” vira um número que você pode acompanhar e usar para agir.
A análise de texto funciona em vários idiomas?
A análise de texto moderna, construída sobre grandes modelos de linguagem, consegue classificar temas, sentimento e intenção em muitos idiomas, então uma equipe de atendimento global consegue ler todo o seu volume escrito da mesma forma em cada um deles. No início, confira os resultados em cada idioma com um falante nativo, porque a precisão varia conforme o idioma e a quantidade de dados.
Quais sinais a análise de texto extrai das conversas?
Cinco principais: os temas sobre os quais os clientes escrevem, o sentimento (positivo, neutro ou negativo), a intenção do cliente, como um reembolso ou um cancelamento, a qualidade das respostas escritas dos atendentes segundo os seus critérios e as tendências desses sinais ao longo do tempo.







