Como um filtro de atendimento contextual reduziu o abandono de carrinho e impulsionou a receita do e-commerce da Casas Bahia.
A Casas Bahia operava um e-commerce de grande escala, com milhões de usuários ativos e forte dependência da performance do checkout para geração de receita. O abandono de carrinho não era apenas um problema de UX — era um problema estratégico de receita e eficiência operacional.
Usuários desistiam nas etapas finais do checkout, gerando perda direta de receita.
Cada abandono representava receita que não se concretizava, impactando diretamente o P&L.
Os canais tradicionais de atendimento estavam sobrecarregados com dúvidas do checkout.
Necessidade de melhorar conversão sem aumentar investimento em mídia paga.
Os clientes abandonavam o carrinho nas etapas finais por dúvidas não resolvidas no momento crítico da decisão de compra.
Usuários não abandonavam por desinteresse, mas por dúvidas não resolvidas no momento crítico da decisão. O insight-chave foi entender que o problema não era falta de vontade de comprar — era falta de confiança para concluir.
Um processo orientado por dados, pesquisa qualitativa e iteração contínua com testes de usabilidade.
Análise de comportamento, dados de abandono no funil, mapas de jornada e pesquisa de profundidade.
Criação de wireframes, protótipos interativos e testes de usabilidade com usuários reais.
Iterações baseadas em feedback dos testes, refinando fluxos e interações.
Acompanhamento de métricas pós-lançamento para validar hipóteses e medir impacto.
A solução proposta foi um Filtro de Atendimento contextual e progressivo, integrado ao fluxo de carrinho abandonado. O principal trade-off: mais opções de ajuda vs. manter o checkout simples e direto.
A solução gerou impacto direto em métricas de negócio e na experiência do cliente.
Atuei de ponta a ponta — da estruturação do problema à validação com dados reais.
Personalização por cluster comportamental — segmentar usuários pelo padrão de navegação para oferecer mensagens ainda mais relevantes.
Integração CRM + histórico de navegação — cruzar dados de CRM com comportamento em tempo real para decisões mais inteligentes.
Mensuração de conversão omnichannel — medir o impacto considerando tanto o canal digital quanto a loja física.