O problema
70% dos carrinhos são abandonados. A indústria responde com sequências de 3 e-mails idênticos para todo mundo ("Você esqueceu algo!"). Taxa de recuperação fica em 5-8%, e o cliente fica saturado das marcas.
A verdade é que cada abandono tem motivo diferente:
- Frete caro? → oferta de frete grátis
- Hesitação de tamanho? → link pra guia de medidas + política de troca
- Comparou preço? → desconto pontual
- Distração / multitarefa? → só lembrete simples
A solução
LLM diagnostica o motivo provável do abandono baseado em sinais comportamentais e gera mensagem única personalizada:
- Tempo no checkout (rápido = distração; longo = hesitação)
- Páginas visitadas antes (página de frete = preocupado com custo)
- Histórico do cliente (recorrente = familiaridade vs primeira vez)
- Categoria do produto (apparel = tamanho; eletrônico = especificação)
- Hora do dia (madrugada = impulso; horário comercial = ponderação)
Métricas em produção
| Cliente | Antes (genérico) | Depois (AI) | Lift |
|---|---|---|---|
| Fashion premium | 6.4% de recuperação | 18.7% de recuperação | +192% |
| Beauty | 8.1% de recuperação | 24.3% de recuperação | +200% |
| Esportes | 5.2% de recuperação | 15.8% de recuperação | +204% |
Lift médio: +24 pontos percentuais de taxa de recuperação (não 24% relativo. 24 pontos absolutos).
Multi-canal
Mensagem é entregue pelo canal certo para o cliente:
- E-mail: padrão, baixo custo
- WhatsApp: para clientes que já interagiram via WA antes (consentimento prévio)
- SMS: para alto-valor, alta urgência (raro)
O que vem incluso
- Diagnóstico LLM (GPT-4o) com prompt versionado e auditável
- Templates que o LLM completa (não texto totalmente livre, pra evitar promessas falsas)
- A/B test contínuo vs sua estratégia atual
- Painel admin com:
- Recovery rate por segmento
- Top motivos de abandono diagnosticados
- Custo por recuperação (LLM + email/WhatsApp)
- Integrações: Klaviyo, Mailchimp, ActiveCampaign, Insider para distribuição
- Compliance: opt-out granular, LGPD-ready, anti-spam
Stack
- Next.js + Vercel Functions
- OpenAI GPT-4o (
gpt-4o-minipara casos rotina,gpt-4opara alto-valor) - Resend para email
- WhatsApp Business Cloud API
- Supabase Postgres para events
Compliance
- Opt-out explícito em todo touchpoint
- LGPD: dados retidos por 6 meses, depois anonimizados
- CAN-SPAM ready: para clientes internacionais
Tempo de implementação
3 semanas:
- Sprint 1: captura de sinais comportamentais + prompts iniciais
- Sprint 2: templates + integração com canal (Klaviyo/Resend/WA)
- Sprint 3: A/B test + painel + rollout
FAQ
Quanto custa rodar? LLM custa ~R$ 0,02 por mensagem gerada (GPT-4o mini). Para 10K carrinhos abandonados/mês: R$ 200. Setup + licença: R$ 22K-38K + R$ 14K-28K/ano. ROI típico de 50-100x.
Funciona para B2B? Sim, ajustando prompts. Em B2B costumamos disparar via account-based (CRM) em vez de cookie. Tom da mensagem é mais consultivo, mensagem segue para AE da conta.
E se a marca não usa Klaviyo? Adapters prontos para todos os principais: Mailchimp, ActiveCampaign, RD Station, Insider, Bravo. Você não precisa migrar de plataforma. usamos o que já tem.
É compatível com LGPD? Sim. Opt-out granular em todo touchpoint. Dados retidos por 6 meses (configurável), depois anonimizados. Direito ao esquecimento via API. Conformidade total com Marco Civil.
Como o LLM evita inventar promessas? Operamos com templates fechados onde o LLM completa só campos pré-definidos. Nunca free-form. Promessas (frete grátis, desconto) seguem regras configuradas pela marca.
WhatsApp também é suportado? Sim, via WhatsApp Business Cloud API. Cliente precisa ter dado consentimento prévio (LGPD). Costuma converter 2-3x melhor que e-mail mas tem custo unitário mais alto.
Tem A/B test embutido? Sim. A cada execução comparamos contra sua estratégia atual (control group). Lift estatístico aparece no painel em 2-3 semanas em lojas com 500+ carrinhos/dia.
Posso ver os prompts e ajustar? Sim. prompts são versionados e editáveis via painel admin. Você pode bloquear certas estratégias (ex: nunca oferecer desconto pra carrinho < R$ 200) ou priorizar outras.



