CSAT no atendimento: como fazer a pesquisa pós-ticket funcionar

Por que o CSAT pós-ticket vira só estatística

De todas as pesquisas de satisfação que uma empresa roda, a de CSAT depois do atendimento é de longe a mais comum, e também a mais malcuidada. Quase todo software de suporte já dispara ela sozinho, no automático, com uma escala de estrelas genérica. É exatamente por isso que quase ninguém para pra pensar se ela está funcionando de verdade.

O sintoma mais comum é fácil de reconhecer: taxa de resposta baixíssima, uma nota média que não muda há meses, e um time de suporte que trata o número como decoração de dashboard. Ninguém lê os comentários abertos, ninguém volta pro cliente que deu nota 2, e o CSAT vira um ritual sem consequência.

O timing certo do disparo

A pesquisa de CSAT pós-atendimento tem uma janela curta de relevância. Disparar minutos depois do ticket fechar, enquanto a experiência ainda está fresca, gera resposta muito mais honesta do que mandar num lote noturno três dias depois, quando o cliente já nem lembra direito quem atendeu ou o que foi resolvido.

Também importa não confundir "rápido" com "no meio da conversa". Disparar a pesquisa antes do ticket ser oficialmente encerrado, ou logo após uma primeira resposta que ainda não resolveu nada, é um erro clássico que gera nota baixa por um motivo errado: o cliente está avaliando um atendimento que ainda nem terminou.

Atendimento x resolução: são perguntas diferentes

Aqui mora o erro mais caro de quem monta CSAT pós-ticket. "Você ficou satisfeito com o atendimento?" e "seu problema foi resolvido?" parecem a mesma pergunta, mas medem coisas diferentes, e misturar as duas embaça o dado. Um atendente pode ser extremamente educado e atencioso e mesmo assim não conseguir resolver o problema, porque depende de uma área que não responde ou porque o produto tem uma limitação real.

Se você pergunta só uma coisa e trata a resposta como avaliação do agente, comete uma injustiça — o problema pode não ser dele — e perde um sinal valioso: talvez o processo, não a pessoa, seja o gargalo. O ideal é separar as duas perguntas, mesmo que de forma simples:

• Nota de atendimento: educação, clareza e tempo de resposta do atendente
• Nota de resolução: o problema foi efetivamente resolvido, sim ou não

Com as duas, dá pra cruzar os dados. Atendente bem avaliado com problema não resolvido aponta pra falha de processo ou de produto. Atendente mal avaliado com problema resolvido aponta pra questão de postura, que é outro tipo de conversa.

Ligando CSAT a coaching de suporte sem virar caça às bruxas

É tentador usar o CSAT individual de cada atendente como régua de desempenho, direto, no um a um. Na prática isso costuma sair pela culatra: atendentes passam a implorar nota 5 no fim da conversa, o que distorce o dado, evitam ser sinceros sobre limitações do produto pra não "arriscar" a nota, e o time de suporte passa a enxergar a pesquisa como ameaça, não como ferramenta.

Funciona melhor olhar tendência agregada por atendente ao longo de semanas, não ticket a ticket, e sempre cruzar com o comentário aberto antes de qualquer conversa de coaching. Um atendente com nota consistentemente mais baixa que a média do time, com comentários recorrentes sobre o mesmo tipo de problema, é sinal real de oportunidade de desenvolvimento. Uma nota isolada baixa num dia ruim não é.

Você já deve ter visto isso na sua operação: aquele atendente ótimo que tomou nota baixa porque o cliente estava furioso com uma cobrança indevida que não tinha nada a ver com o atendimento em si. Tratar isso como falha individual é o jeito mais rápido de fazer um bom atendente perder confiança na própria pesquisa.

Fechando o loop com quem deu nota baixa

Boa parte das empresas dispara o CSAT pós-ticket, olha a média no fim do mês e para por aí. O problema é que a nota baixa isolada, sem nenhuma ação depois, é a pior combinação possível: o cliente já deu o trabalho de responder, sinalizou insatisfação, e não ouve mais nada da empresa. Isso costuma pesar mais contra a marca do que simplesmente não ter perguntado nada.

Fechar o loop no contexto de suporte não precisa ser sofisticado. Pode ser um alerta automático pro supervisor quando a nota vem baixa e o comentário aberto menciona algo grave, ou um segundo contato, curto, perguntando se o problema realmente foi resolvido depois que o cliente esfriou a cabeça. O que não pode acontecer é a nota baixa virar só um número a mais na planilha, sem ninguém sabendo que aquele cliente específico está insatisfeito agora.

Escolhendo a escala certa

Estrelas de 1 a 5, carinhas de expressão ou uma escala numérica de 1 a 10 funcionam, mas cada uma carrega um viés diferente. Escala de carinhas tende a puxar a nota pra cima, porque é visualmente mais difícil escolher a carinha mais triste. Escala numérica de 10 pontos dá mais granularidade, mas exige mais esforço cognitivo de quem responde logo depois de já ter gasto energia resolvendo o problema. Não existe escala perfeita, existe a escala consistente: uma vez escolhida, mantenha a mesma por tempo suficiente pra comparar período com período sem ruído.

Fazendo o CSAT pós-ticket render de verdade

Na prática, três ajustes resolvem a maior parte dos problemas: disparar a pesquisa logo após o fechamento do ticket, não em lote; perguntar atendimento e resolução separadamente; e revisar tendência por atendente em vez de caçar nota isolada. Nenhum dos três exige reescrever o processo de suporte do zero.

Vale considerar também o canal de disparo. Muita empresa ainda manda só por e-mail, que tem taxa de abertura baixa pra esse tipo de pesquisa curta e pontual. Combinar CSAT com canais de resposta mais rápida, como o próprio WhatsApp usado no atendimento, costuma render bem mais. E o comentário aberto, quando há volume, rende muito mais se alguém, ou alguma IA, estiver de fato lendo e agrupando por causa-raiz, não só arquivando.