Ferramentas de análise de sentimento leem mensagens, ligações ou avaliações de clientes e classificam o tom como positivo, negativo ou neutro, muitas vezes com uma nota. Para uma equipe de atendimento, a ferramenta certa depende de onde ficam as suas conversas, de quais canais você precisa e de se o sentimento tem que ficar ao lado das suas notas de QA ou dos seus dados de pesquisas e avaliações.
Em resumo
- Comece pelo que procurar: fonte de dados, canais, evidências, análise de causa e para onde vão os resultados.
- A lista abaixo cobre oito opções: analytics baseado em QA, analytics de conversas para contact center, plataformas de análise de feedback e APIs de nuvem.
- Cada ferramenta passa pelas mesmas três verificações: o que faz, pontos fortes e limites, e modelo de preço, tudo a partir do site do próprio fornecedor.
- Uma planilha de notas e um teste de precisão calculado ajudam você a escolher e depois a verificar a ferramenta quando ela estiver em produção.
- Na UE, acompanhar as emoções dos funcionários pela voz é uma prática proibida; o sentimento a partir de texto escrito é tratado de outra forma.
Transparência: a Kaizo é o nosso produto. Nós a incluímos onde ela se encaixa e dizemos o que as outras fazem melhor. Lemos o site de cada fornecedor em 4 de novembro de 2026 para levantar os fatos abaixo e não usamos notas de sites de avaliação. Os recursos mudam, então confirme com o fornecedor qualquer ponto crítico.
Se você precisa das definições primeiro, o nosso guia de análise de sentimento do cliente explica como a análise de sentimento funciona e onde ela falha. Para ver como a Kaizo faz a análise de sentimento em cada mensagem de atendimento, consulte a página do produto.
O que procurar em ferramentas de análise de sentimento
Procure cinco coisas: que ela leia a sua fonte de dados real, cubra todos os canais que você atende, mostre as linhas por trás de cada rótulo, separe causas de sintomas e coloque os resultados onde alguém vai agir.
| O que verificar | Por que importa no atendimento | Pergunta para o fornecedor |
|---|---|---|
| Fonte de dados | Ferramentas feitas para avaliações e pesquisas veem um cliente diferente das feitas para tickets e ligações | A quais das nossas fontes vocês se conectam de forma nativa? |
| Canais | Uma ferramenta forte em voz pode ser fraca em chat e e-mail, e vice-versa | O sentimento em um chat é tão confiável quanto em uma ligação? |
| Unidade de análise | Um rótulo por conversa esconde o momento em que o tom mudou | Vocês avaliam por mensagem, por frase ou por conversa? |
| Evidências | Ninguém confia em um rótulo negativo que não dá para rastrear até uma linha | Mostre as linhas por trás deste rótulo |
| Causa e contexto | O sentimento diz como foi a sensação, não o porquê | Consigo ver o sentimento por motivo de contato, equipe ou critério de QA? |
| Lado do atendente | Sentimento do cliente e empatia do atendente são medidas diferentes | Vocês medem o lado do atendente, e como? |
| Idiomas | A precisão costuma cair fora do inglês | Quais idiomas vocês suportam especificamente para sentimento? |
| Para onde vão os resultados | Um alerta sem dono é ruído | Dá para filtrar, alertar ou exportar para a equipe que age? |
Um teste resolve a maioria das demos: peça ao fornecedor que abra uma conversa negativa e mostre exatamente quais linhas levaram ao rótulo. O nosso guia sobre nota de sentimento na monitoria mostra como é um sinal de sentimento útil dentro de um programa de qualidade.
Visão geral da lista
Esta tabela traz o melhor uso e o modelo de preço de cada ferramenta segundo o próprio site; nenhuma publica um preço de referência para esses produtos nas páginas que lemos.
| Ferramenta | Tipo | Melhor para | Modelo de preço |
|---|---|---|---|
| Kaizo | Analytics de conversas baseado em QA | Equipes de atendimento que querem o sentimento ao lado das notas de QA em ligações, chat e e-mail | Por licença, orçamento sob consulta |
| CallMiner | Inteligência conversacional para contact center | Contact centers com muito volume de voz que querem sinais acústicos e orientação em tempo real | Sob consulta |
| Qualtrics (contact center) | Suíte de gestão da experiência | Grandes empresas que já usam as pesquisas do Qualtrics | Planos, sob consulta |
| Medallia | Suíte de gestão da experiência | Grandes empresas que já estão no Medallia e querem análise de texto em todos os canais | Sob consulta |
| SentiSum | Analytics de tickets de atendimento | Equipes no Zendesk, Freshdesk, Gorgias ou Intercom que querem tags por causa | Varia com canais, usuários e volume de tickets |
| Chattermill | Análise de feedback do cliente | Equipes de CX que combinam tickets com pesquisas e avaliações | Demo; sem cobrança por usuário |
| Thematic | Análise de feedback do cliente | Equipes de insights que querem temas rastreáveis até os comentários originais | Demo |
| APIs de NLP em nuvem | Blocos de construção para desenvolvedores | Equipes com engenheiros que montam o próprio pipeline | Pagamento por uso, tabelas de preço públicas |
1. Kaizo: melhor para sentimento ao lado das notas de QA
A Kaizo é a melhor opção para equipes de atendimento que querem sentimento, empatia e notas de QA nas mesmas conversas, porque avalia cada ligação, chat e e-mail com os seus próprios critérios.
O que faz
Segundo a página de sentimento da Kaizo, o sentimento do cliente e a empatia do atendente são avaliados em 100% das mensagens, então a frustração aparece como tendência.
Você pode filtrar por sentimento negativo, muitas reaberturas ou CSAT baixo para encontrar as conversas que estão indo pelo caminho errado, e a análise de causa raiz mostra se uma queda vem de um processo quebrado, de um atrito no produto ou de uma lacuna de habilidade. A Kaizo tem apps nativos para o Zendesk e o Salesforce, e conecta CRMs próprios por meio de um conector, da sua API ou de importação de CSV.
Pontos fortes e limites
O ponto forte é o contexto: uma conversa negativa vem com a nota de QA e o critério reprovado, então você consegue distinguir um problema de produto de uma necessidade de coaching.
O limite é de momento e de escopo. A Kaizo analisa a conversa depois que ela termina, então não dá aos atendentes alertas de sentimento ao vivo durante uma ligação, e trabalha com conversas do helpdesk, e não com avaliações em lojas de apps ou posts em redes sociais. Se essas são as suas fontes principais, uma das plataformas de análise de feedback abaixo se encaixa melhor.
Preço
A página de preços da Kaizo diz que todos os planos são cobrados por licença, com três planos e orçamento exato sob consulta. Não há teste self-service; você conhece o produto em uma demo ao vivo com dados de exemplo.
2. CallMiner: melhor para contact centers com muito volume de voz
A CallMiner é a melhor opção para grandes contact centers em que a maior parte do volume é voz, porque combina sinais acústicos da voz de quem fala com as palavras ditas e oferece orientação em tempo real aos atendentes.
O que faz
A página de análise de sentimento da CallMiner (em inglês) diz que ela avalia o sentimento “combining the acoustic characteristics of a speaker’s voice with the context of the conversation” (combinando as características acústicas da voz de quem fala com o contexto da conversa), usando sinais como velocidade da fala e estresse. A página inicial diz que a plataforma captura e analisa todas as interações omnichannel, incluindo ligações, e-mails, mensagens de texto e pesquisas, e cita orientação em tempo real para os atendentes.
Pontos fortes e limites
A análise acústica capta um tom que a transcrição perde, ponto que tratamos em o que é speech analytics, e os alertas em tempo real são um recurso que as ferramentas pós-conversa não oferecem.
A contrapartida é que uma plataforma focada em voz é uma implantação maior e, na UE, inferir emoções a partir da voz dos seus próprios atendentes cai na proibição do AI Act descrita abaixo, então limite esse uso aos clientes.
Preço
A CallMiner não publica preços na página inicial e orienta os compradores a falar com vendas ou pedir uma demo.
3. Qualtrics: melhor para equipes que já usam o Qualtrics
O Qualtrics é a melhor opção para grandes empresas que já fazem as suas pesquisas no Qualtrics e querem as conversas do contact center analisadas no mesmo programa de gestão da experiência.
O que faz
A página de contact center do Qualtrics (em inglês) diz que o seu processamento de linguagem natural avalia empatia, aderência ao script e sentimento, sinaliza processos de alto esforço e pode monitorar e avaliar todas as interações com IA, com mais de 150 modelos prontos. Ele funciona com sistemas on-premise, CCaaS e desenvolvidos internamente.
Pontos fortes e limites
O ponto forte é reunir dados de pesquisa e dados de conversa em um só programa, o que serve para organizações em que a equipe de CX já é dona do Qualtrics. O limite é o peso: é uma suíte grande, e uma equipe de atendimento que só precisa de sentimento nas conversas do helpdesk pode usar uma parte pequena dela.
Preço
A página traz um link para planos de preço flexíveis, mas não mostra valores.
4. Medallia: melhor para equipes que já usam o Medallia
O Medallia é a melhor opção para grandes empresas que já usam o Medallia para o feedback de experiência e querem análise de texto, incluindo sentimento e esforço, nos mesmos canais.
O que faz
A página de análise de texto do Medallia (em inglês) diz que a sua compreensão de linguagem natural analisa “themes, sentiment, empathy, and nuanced emotions across dozens of languages and dialects” (temas, sentimento, empatia e emoções sutis em dezenas de idiomas e dialetos), com sentimento, empatia e esforço como medidas prontas que você pode personalizar. Ela cita alertas sobre mudanças de esforço e de risco, avaliação automatizada dos atendentes e priorização de tickets.
Pontos fortes e limites
A cobertura de idiomas e os modelos prontos por setor são os pontos fortes, além de modelos de temas low-code para equipes sem cientistas de dados. O limite é parecido com o do Qualtrics: o valor é maior quando o Medallia já é a sua plataforma de experiência.
Preço
A página não descreve como a análise de texto é cobrada.
5. SentiSum: melhor para tags de tickets por causa
A SentiSum é a melhor opção para equipes de atendimento em helpdesks como Zendesk, Freshdesk, Gorgias ou Intercom que querem os tickets classificados por tema, causa e sentimento sem montar uma taxonomia à mão.
O que faz
A página de análise de sentimento da SentiSum (em inglês) descreve tags automáticas de positivo, negativo e neutro nos tickets de atendimento. A página inicial diz que ela unifica tickets, chats, ligações, avaliações e pesquisas, classifica os problemas por causa, ordena-os por impacto e os encaminha às equipes, e que um Quality Agent avalia todas as conversas.
Pontos fortes e limites
A amplitude de integrações com helpdesks é um ponto forte para equipes fora da dupla Zendesk e Salesforce, e gravar as tags de volta no helpdesk ajuda no roteamento. A avaliação de QA é um território mais novo para a empresa do que as tags, então verifique até que ponto o formulário de monitoria pode ser ajustado aos seus próprios critérios.
Preço
A página inicial diz que o preço “scales based on channels, users, and ticket volume” (varia conforme canais, usuários e volume de tickets), com planos para médias e grandes empresas.
6. Chattermill: melhor para tickets junto com pesquisas e avaliações
A Chattermill é a melhor opção para equipes de CX e de voz do cliente que precisam analisar os tickets de atendimento junto com pesquisas, avaliações e feedback em redes sociais, ordenados pelo impacto nas suas métricas.
O que faz
A página inicial da Chattermill (em inglês) diz que ela “analyzes all your surveys, reviews, tickets and calls, ranks issues by impact on your metrics” (analisa todas as suas pesquisas, avaliações, tickets e ligações e ordena os problemas pelo impacto nas suas métricas), classifica o feedback em temas com sentimento e afirma ter mais de 65 integrações nativas, incluindo Zendesk, Intercom, Salesforce, Qualtrics e Trustpilot.
Pontos fortes e limites
Ela vê os clientes que nunca entram em contato com o atendimento, o que uma ferramenta de helpdesk não consegue. A própria Chattermill diz que não é indicada para equipes que não coletam de forma consistente mais de 5.000 feedbacks por mês, e ela não é uma ferramenta de QA, então a avaliação por atendente fica em outro lugar.
Preço
Por demo, sem cobrança por usuário, segundo a página inicial.
7. Thematic: melhor para temas rastreáveis até os comentários originais
A Thematic é a melhor opção para equipes de pesquisa e de insights que querem temas construídos a partir das palavras dos próprios clientes, e não de uma lista fixa, com cada tema rastreável até os comentários por trás dele.
O que faz
A página inicial da Thematic (em inglês) diz que ela constrói temas a partir da linguagem do cliente, “not a predefined taxonomy” (não de uma taxonomia predefinida), mostra o sentimento por tema e recebe pesquisas, tickets de atendimento, transcrições de call center, avaliações de apps e anotações do CRM, com anonimização de dados pessoais e tradução embutidas.
Pontos fortes e limites
A rastreabilidade do tema até o comentário original é o ponto forte, e é ela que dá credibilidade à análise diante das equipes de produto. É uma camada de análise para equipes de insights, e não uma ferramenta que os líderes de atendimento usam todo dia em conversas individuais. O nosso artigo sobre análise de texto no atendimento explica o método por trás da detecção de temas.
Preço
Por demo; a página inicial não mostra preços.
8. APIs de NLP em nuvem: melhor para quem vai construir a própria solução
As APIs de nuvem do Google, da Amazon e da Microsoft são a melhor opção para equipes com engenheiros que querem o sentimento como bloco de construção dentro do próprio pipeline de dados e que vão montar sozinhas os dashboards, os cruzamentos e os alertas.
O que faz
O Google Cloud Natural Language (em inglês) retorna uma nota de -1,0 a 1,0 mais uma magnitude para a intensidade da emoção, e pode avaliar o sentimento por entidade. O Amazon Comprehend (em inglês) retorna positivo, negativo, misto ou neutro com uma pontuação de confiança para cada um. A análise de sentimento do Azure Language (em inglês) retorna rótulos com pontuações de confiança por frase e por documento, além de mineração de opinião por aspecto.
Pontos fortes e limites
Você controla os dados e o custo por mensagem, e o resultado alimenta qualquer coisa que você construa. Você também constrói todo o resto: os conectores, a ligação com os motivos de contato e com o QA, a interface e o acompanhamento. Planeje também a mudança: a Microsoft diz que a análise de sentimento e a mineração de opinião serão descontinuadas no Azure Language em 31 de março de 2029, e os novos projetos são direcionados ao Microsoft Foundry.
Preço
Pagamento por uso, com tabelas de preço públicas no site de cada provedor.
Como escolher: uma planilha de notas
Dê a cada ferramenta da lista uma nota de 1 a 5 nos critérios abaixo, multiplique pelo peso e some; ajuste os pesos à sua situação antes de começar, e não depois das demos.
| Critério | Peso (exemplo de equipe de atendimento) | Ferramenta A | Ferramenta B | Ferramenta C |
|---|---|---|---|---|
| Conecta-se de forma nativa à nossa principal fonte de dados | 25% | |||
| Cobre todos os nossos canais com a mesma profundidade | 20% | |||
| Mostra as linhas por trás de cada rótulo | 15% | |||
| Liga o sentimento ao motivo de contato, à equipe e ao QA | 15% | |||
| Medida do lado do atendente (empatia) | 10% | |||
| Idiomas que atendemos | 10% | |||
| Os resultados chegam a quem age | 5% |
Uma regra simples de decisão está por trás dos pesos.
Se as suas perguntas sobre sentimento são sobre conversas de atendimento e coaching, dê o maior peso à fonte de dados e à ligação com o QA.
Se são sobre toda a base de clientes, incluindo quem nunca entra em contato, dê o maior peso a pesquisas e avaliações e espere que uma plataforma de análise de feedback vença. Para um plano de avaliação mais completo, o nosso guia de compra de inteligência conversacional acrescenta as perguntas sobre segurança, configuração e custo.
Como verificar a precisão do sentimento depois que a ferramenta entra em produção
Verifique a precisão pedindo a duas pessoas que rotulem um conjunto aleatório de conversas e comparando os rótulos da ferramenta com os delas, com atenção principal a quantas conversas de fato negativas a ferramenta detectou.
Os números abaixo são um exemplo ilustrativo que calculamos, não resultados de um fornecedor.
A amostra. Dois monitores rotulam 200 conversas recentes como positivas, neutras ou negativas e resolvem juntos as divergências. Eles concordam que 40 são negativas.
A comparação. A ferramenta coincide com os monitores em 158 das 200 conversas: 79% de concordância geral. Ela marca 45 conversas como negativas, e 30 delas estão entre as 40 dos monitores.
O que isso significa. A ferramenta detecta 30 das 40 conversas negativas (75%), e 30 das suas 45 marcações negativas estão certas (67%). Os 79% gerais parecem bons, mas um em cada quatro clientes insatisfeitos passa despercebido, e um em cada três alertas é alarme falso.
Leia os erros antes de mudar qualquer coisa. Ironia, mensagens mistas (“obrigado, mas é a terceira vez”) e conversas fora do inglês são as causas mais comuns. Repita a verificação a cada trimestre e depois de qualquer mudança no modelo ou nos seus canais. O nosso artigo sobre a precisão da monitoria com IA usa a mesma lógica de concordância para as notas de QA.
Sentimento, emoção e o AI Act da UE
Pelo Regulamento Europeu da IA (AI Act), inferir as emoções de funcionários a partir de dados biométricos, como a voz, é proibido desde 2 de fevereiro de 2025; o sentimento a partir de texto escrito fica fora dessa proibição.
A proibição está no artigo 5º, nº 1, alínea f, do AI Act, e a visão geral do AI Act (em inglês) da Comissão Europeia lista “emotion recognition in workplaces and education institutions” (reconhecimento de emoções em locais de trabalho e instituições de ensino) entre as práticas proibidas a partir de fevereiro de 2025.
As diretrizes da Comissão de fevereiro de 2025 sobre práticas proibidas, que são orientação e não lei, dão como exemplo proibido um call center que usa reconhecimento de voz para acompanhar as emoções dos seus funcionários. Segundo o resumo dessas diretrizes feito pelo CMS (em inglês), acompanhar as emoções dos clientes pela voz e inferir emoções a partir de texto escrito ficam fora da proibição.
Duas consequências práticas para uma equipe de atendimento na UE. Não ative a detecção de emoções pela voz para os seus atendentes; limite os recursos acústicos ao lado do cliente. E, a partir de 2 de agosto de 2026, quem implanta sistemas de reconhecimento de emoções deve informar as pessoas expostas a eles, nos termos do artigo 50º, nº 3. Isto é um resumo, não aconselhamento jurídico, então confirme a sua configuração com um advogado.
Como começar a escolher uma ferramenta de análise de sentimento
Comece anotando a única decisão que o sentimento deve melhorar, como quais conversas um líder de equipe revisa primeiro, e depois coloque na lista apenas as ferramentas que se conectam aos dados por trás dessa decisão.
Se a decisão é sobre conversas de atendimento, coaching e qualidade, comece pelas ferramentas que colocam o sentimento ao lado das suas notas de QA. Veja como a Kaizo avalia sentimento e empatia em cada mensagem em uma demo ao vivo com dados de exemplo. Vamos conversar.
Perguntas frequentes
O ChatGPT faz análise de sentimento?
Sim. Um modelo de linguagem de grande porte consegue rotular o sentimento de uma mensagem se você pedir, e muitas vezes lida com ironia e mensagens mistas melhor do que os modelos mais antigos. Sozinho, porém, ele não é uma ferramenta: você ainda precisa conectar as suas conversas, manter os rótulos consistentes ao longo do tempo, guardar os resultados e verificar a precisão em relação a rótulos humanos.
Quais são os três principais tipos de análise de sentimento?
Os três tipos mais comuns são a polaridade (positivo, negativo ou neutro), a análise granular (uma escala, como de muito negativo a muito positivo) e a análise baseada em aspectos (o sentimento sobre um tema específico, como entrega ou preço). A detecção de emoções, que nomeia sentimentos como a frustração, costuma aparecer como um quarto tipo.
Análise de sentimento é o mesmo que CSAT?
Não. O CSAT é o que os clientes dizem quando respondem a uma pesquisa; a análise de sentimento lê o tom da própria conversa, incluindo os clientes que nunca respondem. Os dois divergem com frequência suficiente para serem úteis juntos, como explica o nosso guia sobre medir a satisfação sem perguntar (em inglês).
As ferramentas de análise de sentimento funcionam em outros idiomas além do inglês?
A maioria funciona, mas a cobertura e a precisão variam por idioma e por recurso, então confira a lista de idiomas do fornecedor especificamente para sentimento, e não para o produto em geral. Depois, faça o teste de precisão acima com uma amostra em cada um dos seus idiomas principais.
Vale medir o sentimento do atendente além do sentimento do cliente?
Meça o comportamento do atendente, como empatia e tom, como um critério de QA a partir da transcrição, em vez de inferir as emoções do atendente. Na UE, inferir as emoções de funcionários a partir de dados biométricos, como a voz, é proibido, enquanto avaliar o que o atendente escreveu ou disse com base em uma rubrica é uma revisão de qualidade.
Continue lendo
- What is sentiment analysis in customer service? (em inglês), a definição curta
- Empatia no atendimento ao cliente, com frases que os atendentes podem usar
- What is voice of the customer? (em inglês), sobre como combinar fontes de feedback
- Analytics de conversas para atendimento, sentimento, QA e causa raiz em uma só visão
