Como escolher a oferta certa, na hora certa, para cada cliente

Cenário: uma loja de cosméticos manda oferta de recompra de creme toda semana para os mesmos clientes. O sistema viu que a pessoa comprou um creme e insiste em oferecer o mesmo produto, mesmo para quem já comprou de novo em outro lugar. Isso é repetir o passado sem olhar o presente do cliente.

Personalizar de verdade é escolher a próxima ação certa: qual oferta, em qual canal, em qual momento. Às vezes a ação certa é não mandar nada. Além disso, existe uma segunda plateia agora: junto do cliente que sente a oferta, há um assistente de IA que filtra a oferta em nome dele. Você precisa falar com os dois, como já vimos no guia sobre quem é o seu cliente ideal.

O que é a próxima melhor ação, e por que ela vale mais que só recomendar produto?

A próxima melhor ação (next-best-action) é decidir o que fazer com um cliente agora: qual oferta, em qual canal, em qual momento. Recomendar produto só responde "o que mostrar". A próxima melhor ação responde "o que fazer", e às vezes a resposta certa é esperar.

Recomendar produto olha só a vitrine: o que o cliente viu, o que mostrar depois. A próxima melhor ação olha tudo o que você sabe do cliente. Ela escolhe a ação de maior valor: mandar um lembrete, oferecer um cupom certo, sugerir um produto que combina, ou não mandar nada. A mesma oferta certa, na hora errada, vira só barulho.

Por que a hora e o canal certos importam tanto quanto a oferta?

Porque a mesma oferta muda de valor conforme a hora. Uma oferta de reposição de creme é ótima perto do fim do pote e chata no dia seguinte à compra. Um lembrete por notificação pode salvar uma venda ou fazer o cliente desativar as notificações, dependendo da hora. Prever esse momento certo reduz até 30% das perdas por estoque parado e aumenta em 25% o resultado das campanhas no Brasil, segundo a CNDL.

Personalizar é falar na hora certa, pelo canal certo, com a oferta que muda a decisão do cliente. A maioria das lojas confunde mandar mais mensagens com ser mais relevante, e paga essa confusão perdendo clientes que se descadastram.

Por que você precisa de um sistema que junte tudo sobre o cliente?

Porque o cliente é uma pessoa só, mas o dado dele vive espalhado entre site, aplicativo, loja física, marketplace e atendimento. O sistema que junta tudo (chamado de CDP) une esses pedaços num perfil único. Sem ele, a personalização decide com base numa informação incompleta, e erra com confiança.

Juntar o dado é o primeiro passo, antes de qualquer oferta. Sem esse sistema, o site não sabe da compra feita na loja física. O e-mail não sabe da devolução. O cliente fiel é tratado como visitante novo em cada canal. O varejo e o e-commerce já são cerca de 35,67% de todo esse mercado no mundo, o maior pedaço dele.

Sem CDP	Com CDP
Dado fragmentado por canal	Perfil único unificado entre canais
Recomenda o que o cliente acabou de comprar	Sabe da compra recente e do que falta
Cliente fiel tratado como visitante novo	Histórico completo informa cada ação
Consentimento disperso e difícil de auditar	Consentimento centralizado e rastreável
Personalização sobre fragmento	Next-best-action sobre realidade inteira

Esse mesmo sistema também organiza a permissão que o cliente deu para usar o dado dele. Em vez de espalhar essa permissão por dez ferramentas diferentes, o perfil único guarda tudo num só lugar, e fica fácil provar que a lei foi seguida. Como já vimos no guia sobre a jornada automática do cliente, esse tipo de automação só funciona bem sobre um perfil único.

Como saber se o desconto gerou venda nova ou só reduziu seu lucro?

A resposta é uma forma de medir chamada uplift modeling: ela olha se a ação realmente mudou a decisão da pessoa, não só se a pessoa comprou. Isso separa quem só compra por causa da oferta de quem já ia comprar de qualquer jeito, sem gastar desconto à toa.

Este é o erro mais caro e mais escondido da personalização. O jeito comum de calcular responde "qual a chance dessa pessoa comprar?" e manda oferta para quem tem mais chance. Só que essa pessoa, muitas vezes, já ia comprar mesmo. Dar desconto a ela é perder margem sem ganhar venda nova. A pergunta certa é "o quanto essa oferta aumenta a chance de compra desta pessoa?". Essa conta separa quem só compra se for impactado, poupando o desconto de quem compraria de qualquer forma e de quem não vai comprar de jeito nenhum.

Três números provam se a personalização funciona. São eles: o ganho real da oferta, o valor médio de cada pedido, e quanto o cliente deixa no caixa ao longo do tempo (LTV). Uma campanha pode ter conversão alta (quando o interessado vira cliente pagante) e ganho real zero, se ela só atingiu quem já ia comprar. Medir o ganho real é o que separa a personalização que se paga da que só enfeita o relatório.

Como usar o dado do cliente sem perder a confiança dele?

A resposta é tratar a permissão do cliente como parte da experiência, não como burocracia. A LGPD é a lei que protege os dados dele e limita o que você guarda. No Brasil, isso também é exigência de confiança: o cliente troca de loja por má proteção de dados. Personalizar sobre dado com permissão dura mais do que personalizar de um jeito que assusta.

O dado brasileiro mostra essa tensão. 71% dos consumidores se preocupam com o uso dos seus dados, e 52% trocariam de loja por má proteção. Ao mesmo tempo, 46% já compram por recomendação de IA. O cliente quer uma oferta relevante e teme ser vigiado, ao mesmo tempo.

A saída é ser transparente: deixar claro qual dado é usado, para quê, e dar controle real ao cliente. A multa pode chegar a 2% do faturamento, com teto de R$ 50 milhões por infração. Desde 2025, o órgão do governo que fiscaliza isso (a ANPD) virou reguladora plena, com esse poder. Usar mal o dado do cliente deixou de ser só risco de imagem e virou risco financeiro.

Pedir permissão direito atrapalha a personalização?

Não. Faz o contrário: torna a personalização mais duradoura. Uma oferta feita sobre dado capturado sem clareza vive sob risco de o cliente se descadastrar em massa, reclamar ou até processar a loja. Uma oferta feita sobre permissão clara e benefício real cria um ciclo bom. O cliente compartilha mais porque recebe mais valor. A loja personaliza melhor porque tem dado confiável.

Por que cada tipo de loja tem seu próprio relógio de oferta certa?

Porque a oferta certa, entregue tarde demais, vira só barulho. E cada tipo de loja tem seu próprio ritmo de relevância. Uma resposta rápida age no momento certo; uma resposta demorada chega a um cliente que já mudou de ideia.

A velocidade de resposta é a diferença entre reagir e só lembrar. Um cliente que abandonou o carrinho há cinco minutos ainda está decidindo. O mesmo lembrete três dias depois chega a alguém que já comprou em outro lugar. A próxima ação certa precisa de dado fresco e decisão rápida.

Esse ritmo muda conforme o tipo de loja. Em cosméticos, a recompra segue o tempo de duração do produto: oferecer perto do fim do pote é serviço, no dia seguinte à compra é incômodo. Em moda, a troca de coleção e a devolução alta (de 30% a 40% no e-commerce) fazem da troca o momento certo de personalizar. Em ótica, a próxima ação pode ser o lembrete de revisão de grau, um ciclo de meses. Cada tipo de loja tem seu próprio tempo, e ignorar esse ritmo acerta a oferta e erra o momento.

O que fazer quando o cliente devolve muito?

A resposta é tratar a devolução como ponto de personalização, não como fim da conversa. Na moda, com devolução entre 30% e 40%, a ação certa depois de uma troca é entender o motivo (tamanho, caimento) e sugerir o ajuste certo. Tratar a devolução como informação valiosa, e não como falha para esquecer, é o que separa a loja que recupera o cliente da que o perde. O guia sobre trocas e devoluções mostra como fazer isso.

O que muda quando quem decide primeiro é um assistente de IA?

Tudo, porque a personalização sempre foi feita para um humano que sente a oferta. Hoje, com frequência, quem recebe a oferta primeiro é um assistente de IA que filtra por critério, em nome do cliente. Em março de 2026, o tráfego vindo de IA passou a converter melhor do que o tráfego comum, pela primeira vez, segundo a Salesforce.

Personalizar para o assistente é diferente de personalizar para o humano. O humano responde a história, urgência e boa aparência. O assistente responde a critério claro: preço com disponibilidade real, prazo, política de troca, característica técnica. A mesma oferta agora precisa considerar se quem recebe é uma pessoa que será convencida ou um sistema que será filtrado.

É aqui que sistemas de retaguarda, como os da Onclick, sustentam essa nova forma de personalizar. A oferta que o assistente avalia só sobrevive se o dado do produto estiver correto e organizado no sistema que administra a loja. Para o humano, a oferta precisa encantar. Para o assistente, precisa ser verdadeira e fácil de ler.

Essa plateia dupla muda o papel do sistema que junta o dado do cliente. Antes, ele servia só para escolher qual banner mostrar. Agora, o mesmo sistema precisa entregar sinais que um assistente consiga usar: histórico de preferência, política clara, disponibilidade confiável.

Personalizar para o assistente não substitui personalizar para o humano. Isso exige falar as duas línguas ao mesmo tempo: a emoção que convence a pessoa e o critério que convence a máquina. Quem só cuidou da aparência vai descobrir que o assistente, sem se importar com estética, descartou a oferta por falta de critério claro.

O que muda em 2027?

A tendência para 2027 é o sistema que junta o dado do cliente virar base para assistentes de IA, além de servir só para campanhas. O mercado desse tipo de sistema deve ir de US$ 4,58 bilhões em 2026 para US$ 13,14 bilhões em 2031, quase triplicando de tamanho. E 75% das empresas devem sair do teste para usar IA em marketing de verdade.

Em 2027, a próxima ação certa vai ser cada vez mais uma negociação. Ela ocorre entre o seu sistema e o assistente do cliente, além de uma sugestão mostrada a um humano. A loja que já juntou o dado com permissão clara vai estar pronta para essa conversa. Quem ainda decide sobre pedaços soltos de informação vai chegar sem o perfil que o assistente exige.

O que fazer hoje

Volte à loja de cosméticos do início: mandar a mesma oferta toda semana queima margem. As cinco ações abaixo trocam isso por uma oferta que acerta a pessoa, a hora e o canal.

• Confira se a sua oferta hoje escolhe a próxima ação certa ou só repete o último produto visto. Identifique os casos em que a ação certa seria não mandar nada.
• Veja se o seu site sabe da compra feita na loja física e se o e-mail sabe da devolução. Onde houver um pedaço solto de informação, há decisão tomada no escuro.
• Troque o desconto para quem "tem mais chance de comprar" por desconto para quem "só compra se for impactado". Pare de gastar com quem já ia comprar.
• Trate a permissão do cliente como parte da experiência, não como burocracia. Guarde esse registro num só lugar, porque a multa pode chegar a 2% do faturamento.
• Comece a preparar sua oferta para dois públicos: garanta que um assistente de IA encontraria preço, disponibilidade e política claros, além da história para o humano.