Contexto
Um chatbot no site funciona melhor quando responde perguntas que o cliente realmente faz. O ponto de partida não é escrever frases soltas, e sim decidir quais dúvidas o bot cobre, quais tarefas ele conclui e em que momento ele deve chamar uma pessoa. A orientação da Microsoft para o Copilot Studio é começar pelos temas que o usuário quer resolver, usando FAQs, bases de conhecimento e dúvidas recorrentes do time comercial ou de atendimento como fonte inicial. O guia da Microsoft sobre design de tópicos também separa essas solicitações em três grupos: informativas, de conclusão de tarefa e de suporte a problemas.
Para um negócio local, isso evita um erro comum: tentar fazer o chatbot responder “tudo”. Na prática, ele precisa cobrir o que mais aparece no dia a dia. Em uma clínica, por exemplo, isso costuma incluir horário, endereço, convênio, agendamento e preparo para atendimento. Em uma oficina, pode ser orçamento, tempo de serviço, tipos de revisão e formas de contato. A lógica é simples: se a dúvida aparece com frequência e pode ser respondida com segurança, ela entra na lista.
Problema
Quando a lista de perguntas é montada sem método, o chatbot fica confuso, repete respostas genéricas ou para no meio da conversa. O resultado é ruim para o cliente e ruim para a operação. A própria Microsoft recomenda pensar em fallback e handoff quando o sistema não entende ou não consegue atender o pedido, porque uma resposta isolada de erro não sustenta a experiência. No material sobre fallbacks e handoffs, a orientação é deixar claro o que o bot faz, oferecer redirecionamento útil e não insistir indefinidamente no erro.
Outro problema é misturar perguntas de naturezas diferentes no mesmo bloco. Pergunta informativa pede resposta curta. Pergunta de tarefa pede etapa e confirmação. Pergunta de problema pede diagnóstico e, às vezes, contato humano. O guia do Google Cloud para design de agentes recomenda criar o agente de forma iterativa, começando pelos pedidos de alto nível, com frases de treinamento variadas e uma intent de fallback para consultas sem correspondência.
Solução / Como funciona
O melhor processo é transformar as dúvidas em um roteiro simples.
- Liste as 20 perguntas mais frequentes do atendimento, do WhatsApp, do formulário e da recepção.
- Agrupe por intenção: informação, ação ou problema.
- Marque o que o chatbot pode responder sozinho e o que exige atendimento humano.
- Escreva a resposta mínima necessária para cada pergunta.
- Defina as perguntas de continuação, como cidade, serviço, horário, produto ou unidade.
- Crie fallback com uma saída clara, não com desculpa vaga.
Essa organização combina com o que a Microsoft chama de entender as perguntas e tarefas dos usuários antes de criar os tópicos. O mesmo guia diz para usar FAQs, bases de conhecimento e conversas reais como insumo. Já o Google Cloud recomenda que as frases de treinamento sejam variadas e que os agentes tenham fallback para o que não encaixa. Na prática, isso significa preparar o chatbot para reconhecer formas diferentes da mesma dúvida, como “qual o horário”, “vocês abrem sábado?” e “funciona hoje à noite?”.
Se o bot usar intenções, vale escrever exemplos suficientes para cada uma. O guia do Google Cloud aponta que, para intents com machine learning, entre 10 e 20 frases de treinamento por intent costuma ser um bom mínimo, dependendo da complexidade. Isso não serve para encher tabela; serve para cobrir variações reais de linguagem.
Aplicação prática
Em um negócio local, eu começaria por quatro blocos:
- dúvidas de compra ou contratação: preço inicial, o que está incluso, formas de pagamento;
- dúvidas de operação: horário, endereço, como chegar, atendimento hoje;
- dúvidas de processo: agendamento, orçamento, prazo, documentos necessários;
- dúvidas de suporte: troca, cancelamento, reembolso, problema no serviço.
Depois, eu escreveria cada pergunta como o cliente fala, não como a empresa gosta de falar. Em vez de “horário de funcionamento”, use variações como “vocês abrem que horas?” e “atendem no sábado?”. Em vez de “solicitação de orçamento”, use “quanto custa?”, “fazem orçamento por WhatsApp?” e “quanto fica para revisar o carro?”.
Se o chatbot não souber responder, ele precisa dizer isso com utilidade. A Microsoft recomenda no máximo duas perguntas de fallback na mesma sessão antes de direcionar para outro recurso ou para uma pessoa. Isso é importante porque insistir demais faz o cliente desistir. Para empresas locais, o melhor handoff costuma ser um botão de WhatsApp, um link de ligação ou um formulário simples.
Pontos importantes
- Não comece pela tecnologia. Comece pelas perguntas reais.
- Não misture FAQ, vendas e suporte sem separar os temas.
- Não escreva respostas longas se a dúvida pede uma linha objetiva.
- Não deixe o bot “inventar” resposta quando não tiver certeza.
- Não espere publicar para revisar. Ajuste com base em perguntas que aparecerem de verdade.
- Se houver histórico de conversa, use isso para atualizar as perguntas e cortar o que ninguém usa.
Do ponto de vista de usabilidade, o W3C lembra que chatbots trazem desafios próprios de interface e acessibilidade, porque a conversa é sequencial e o histórico cresce com o tempo. No estudo Preliminary Insights from a Chatbot Accessibility Playbook, os autores destacam que mensagens, foco de teclado e histórico de conversa precisam ser pensados com cuidado. Para o conteúdo, isso se traduz em perguntas curtas, opções claras e menos ambiguidade.
Conclusão
Preparar as perguntas de um chatbot é, na prática, organizar o atendimento. Primeiro, descubra o que os clientes realmente perguntam. Depois, separe o que é informação, o que é tarefa e o que é problema. Em seguida, escreva respostas curtas, defina fallback e deixe claro quando a conversa deve passar para uma pessoa.
Para um negócio local, isso costuma ser mais útil do que tentar criar um bot “inteligente” sem base. Um chatbot bem preparado responde menos coisas, mas responde melhor. E isso já reduz atrito, melhora o atendimento e deixa o site mais útil para quem chegou com uma dúvida concreta.
Crédito da imagem
Foto de Tim Witzdam no Pexels.