O Chatbot de IA Que Reduz Sua Conversão: Quando Não Implantar um Agente de Vendas

Uma sugestão de chatbot eleva a intenção de compra em 44,7% para produtos difíceis de avaliar. O mesmo chatbot, colocado na frente de um produto simples com um sortimento pequeno, derruba a intenção de compra. Mesma tecnologia, mesmo padrão de interação, resultado de receita oposto.

Esse achado vem de um estudo revisado por pares, com quatro experimentos e 1.339 participantes, publicado no Journal of Business Research (Anggraini, Demoulin & De Kerviler, Universidade de Lille, abril de 2026, DOI 10.1016/j.jbusres.2026.116182). É a evidência mais clara até hoje de que “devemos adicionar um chatbot de vendas” é uma pergunta de implantação: a resposta errada custa vendas que você fecharia de outra forma.

O achado que deveria mudar seu roadmap

Os pesquisadores variaram duas coisas: quão difícil é avaliar o produto (muitos tamanhos, estilos ou variáveis de ajuste versus uma especificação direta) e quão grande é o sortimento (um punhado de opções versus dez ou mais). Depois mediram a intenção de compra com e sem uma recomendação de chatbot.

Para produtos difíceis de avaliar, o chatbot ajudou. A intenção de compra subiu 44,7% quando o agente reduziu as opções e traduziu variáveis de ajuste em uma recomendação. Esse é o cenário que toda demo de fornecedor mostra: um comprador sobrecarregado de opções, um assistente que resolve a sobrecarga.

Para produtos fáceis de avaliar com sortimento pequeno, o chatbot prejudicou. A intenção de compra caiu. O produto já era simples o suficiente para decidir sozinho. Inserir um agente entre o cliente e uma escolha de três opções acrescentou uma etapa, um atraso e um sinal implícito de que a decisão era mais difícil do que realmente era. Os clientes não sentiram ajuda. Sentiram atrito disfarçado de ajuda.

Para produtos fáceis de avaliar com sortimento grande (dez ou mais opções), o chatbot voltou a ajudar, mas por outro motivo: nesse volume, até uma especificação simples fica cansativa de escanear manualmente, e a função de filtro do agente se justifica.

O padrão forma uma matriz 2x2: complexidade de avaliação cruzada com tamanho do sortimento. Implantação significa rotear cada superfície específica de produto para a célula da matriz onde um agente agrega valor, e rotear o resto para um humano ou uma interface simples.

Por que isso vale além do varejo

Já defendemos esse argumento em contextos de engenharia: governe a implantação, não só o modelo. Onde você posiciona um sistema de IA em um fluxo de trabalho determina se ele ajuda ou atrapalha, independentemente da capacidade do modelo por trás. Este estudo prova que a mesma estrutura vale para o comércio, com um número anexado.

Isso também se conecta a um padrão que vimos ao longo do funil de compra. Em O gap de conversão de 3x do Walmart, mostramos que o checkout mediado por IA converte pior do que o site próprio do comerciante porque a confiança não se transfere para um intermediário desconhecido. Em o colapso de verificação nas compras via IA, mostramos que o comércio agêntico falha no ponto em que o cliente precisa confirmar se uma afirmação é verdadeira. Este estudo preenche a peça que faltava antes de ambos: mesmo antes do checkout ou da verificação entrarem em cena, a decisão de rotear um cliente para um chatbot já é uma alavanca de conversão, em qualquer direção.

Nenhum desses textos anteriores argumentou que agentes são ruins para o comércio. Este também não. A afirmação é mais estreita e mais útil: o posicionamento do agente é mensurável, e a medição depende de características do produto que você já conhece antes de escrever uma única linha de lógica de chatbot.

A regra de implantação, tornada operacional

Antes de adicionar um chatbot a uma página de produto, responda duas perguntas, não uma.

O produto é difícil de avaliar? Tamanho, ajuste, compatibilidade de estilo, especificações técnicas que um cliente leigo não consegue interpretar sozinho. Se sim, um agente que traduz ambiguidade em recomendação está fazendo um trabalho real.

Quão grande é o sortimento? Um punhado de opções claramente diferenciadas não precisa de mediação. Dez ou mais precisam, mesmo que cada opção seja individualmente simples de entender, porque o custo cognitivo muda de avaliar uma opção para comparar muitas.

Cruze esses dois eixos e você tem quatro células, não duas:

Difícil de avaliar + qualquer tamanho de sortimento: implante o agente. É daqui que vem o ganho de 44,7%.

Fácil de avaliar + sortimento pequeno: não implante um agente aqui. Uma grade de produtos limpa ou uma tabela de comparação de três linhas vai converter melhor do que um chatbot sempre nessa célula.

Fácil de avaliar + sortimento grande: implante o agente como filtro. A função é reduzir volume: a ambiguidade já foi resolvida antes de o cliente chegar até aqui.

O modo de falha que mais vemos em campo é implantar o agente em todo lugar porque ele está disponível em todo lugar. Isso trata o chatbot como um recurso para lançar uma vez e esquecer. O estudo trata como uma decisão de roteamento a ser tomada por linha de produto, revisitada sempre que o sortimento muda de tamanho.

Faça isso agora

Audite seu catálogo de produtos contra a matriz 2x2 antes do próximo ciclo de roadmap. Para cada linha de produto, classifique a complexidade de avaliação e o tamanho do sortimento, depois verifique se sua implantação atual de chatbot corresponde à célula certa. Se você tem um chatbot ativo em uma linha de sortimento pequeno e fácil de avaliar, isso é perda de receita mensurável. O conserto é remover o agente dessa superfície e dar ao cliente um caminho limpo e estático até o checkout.

Fontes

Science Says (resumindo o Journal of Business Research). “When AI Chatbots Boost vs Hurt Sales.” Julho de 2026.

A Victorino ajuda times a decidir onde um agente de IA pertence na jornada do cliente e onde ele custa a venda: contato@victorino.com.br | www.victorino.com.br