Atendimento multimodal no e-commerce: como reduzir o abandono de carrinho

A maioria dos projetos de redução de abandono de carrinho começa pelo lugar errado: cupom de desconto, e-mail de recuperação, pop-up de saída. Ferramentas úteis, mas que tratam o sintoma sem tocar na causa mais comum, que é a dúvida não respondida no momento exato da decisão de compra. O cliente quer saber se aquele tecido encolhe, se a peça combina com o que ele já tem, se o produto da foto é realmente igual ao que chegou para outro comprador. Quando o canal de atendimento só aceita texto, essa dúvida vira carrinho abandonado.

Atendimento multimodal, a possibilidade de o cliente mostrar uma foto, gravar um vídeo curto ou receber uma resposta em imagem dentro da mesma conversa, ataca exatamente esse ponto. E o motivo pelo qual isso importa tanto para e-commerce específicamente é que a decisão de compra online já é, por natureza, uma decisão tomada sem tocar no produto.

O que é atendimento multimodal e por que não é a mesma coisa que “ter vários canais”

Ter chat, e-mail e WhatsApp ao mesmo tempo é multicanalidade, não multimodalidade. A diferença importa: multicanalidade significa que o cliente escolhe por onde entrar em contato. Multimodalidade significa que, dentro da mesma conversa, ele pode alternar entre texto, imagem, áudio e vídeo sem precisar recomeçar ou trocar de canal.

Como resume Arnaud Pigueller, CEO e cofundador da SnapCall, ao comentar essa virada na Zendesk: “Do not explain the problem. Instead, show it to me” — Arnaud Pigueller, Zendesk Blog (2026). Segundo a pesquisa da Zendesk que ele cita, 76% dos consumidores afirmam que escolheriam uma empresa que permite combinar texto, imagem e vídeo na mesma conversa, sem precisar recomeçar do zero. Para e-commerce, essa combinação é o que separa “me mande uma foto por e-mail e aguarde 24 horas” de resolver a dúvida no exato momento em que ela ameaça o carrinho.

Onde o abandono de carrinho realmente acontece por falta de esclarecimento

O levantamento do Baymard Institute, que consolida dados de dezenas de estudos sobre abandono de carrinho, aponta a taxa média de abandono acima de 70% e mostra que boa parte das razões removíveis está ligada a incerteza no momento do checkout, não a falta de intenção de compra. Custos inesperados de frete, dúvida sobre segurança do pagamento e processo longo demais aparecem entre as causas mais citadas.

O ponto que costuma passar despercebido é que uma fração relevante dessas dúvidas de última hora é visual por natureza: “essa cor é fiel à da tela”, “esse tamanho serve no meu biotipo”, “esse arranhão no produto é do frete ou já veio assim”. Perguntas de texto puro exigem que o cliente descreva em palavras algo que ele resolveria em segundos mostrando uma foto ou um vídeo curto, e é exatamente nesse intervalo de fricção que o carrinho é abandonado.

Busca visual: a dúvida que já começa antes do carrinho

A fricção multimodal não começa no checkout, começa na descoberta do produto. Segundo Sundar Pichai, CEO do Google, ao apresentar números do Google Lens na conferência Google I/O: “Lens grew 65% year over year, with more than 100 billion visual searches already this year” — Sundar Pichai, Google I/O, via TechCrunch (2025). Uma parcela relevante dessas buscas visuais tem intenção de compra: o consumidor fotografa um produto que viu em algum lugar e quer encontrá-lo, ou uma variação dele, para comprar.

Um e-commerce que só aceita busca por palavra-chave está descartando parte da demanda que já chega pronta para converter, simplesmente porque o cliente não sabe descrever em texto o que está vendo em uma imagem. Isso não é atendimento no sentido estrito, mas é a mesma lógica multimodal aplicada um passo antes: aceitar o formato em que o cliente já está pensando, em vez de forçá-lo a traduzir a própria dúvida para texto.

Do “me explique” para “me mostre” no pós-clique

Depois que o produto está no carrinho, a mesma lógica se aplica às dúvidas de pós-venda e pré-compra que aparecem no atendimento: montagem, compatibilidade, avaria de transporte, divergência de cor. Já expliquei no guia completo sobre IA com memória como a falta de memória de contexto entre uma interação e outra aumenta o TMA da escalada para um humano, porque o atendente precisa reconstruir o que já foi dito. O mesmo problema aparece de forma ainda mais aguda quando o canal não aceita imagem: o cliente descreve em texto um defeito visual, o atendente pede para descrever de novo de forma diferente, e o que poderia ser resolvido com uma foto vira três ou quatro trocas de mensagem.

Já tratei em detalhe de como desenhar autoatendimento que realmente resolve, e não apenas desvia o cliente para outro canal, no guia completo sobre redução de TMA com autoatendimento. O princípio se aplica igual aqui: a pergunta certa não é “que canais eu ofereço”, é “o cliente consegue mostrar o que ele está vendo, no momento em que ele está com dúvida, sem trocar de canal”.

Multimodalidade fragmentada não é a mesma coisa que inteligência multimodal

Um erro comum é achar que aceitar anexos de imagem já resolve o problema. Na prática, muitas operações já recebem fotos e vídeos de clientes há anos, só que de forma fragmentada: chega por WhatsApp, é analisada manualmente por um atendente, não fica conectada ao histórico do pedido, e não alimenta nenhuma automação. Isso é multimodalidade no sentido literal, mas não é inteligência multimodal.

A diferença prática está em quando a IA consegue interpretar a imagem ou o vídeo enviado, não apenas armazená-lo: identificar a avaria em uma foto de produto, ler a etiqueta em uma imagem para confirmar o modelo certo, ou orientar o cliente durante a captura (“mostre a etiqueta”, “aproxime da região danificada”) antes mesmo de um humano entrar na conversa. Sem essa camada de interpretação automatizada, o volume de mídia recebida vira apenas mais trabalho manual para o time, não uma redução de fricção para o cliente.

Um roteiro prático para reduzir abandono de carrinho com atendimento multimodal

O primeiro passo é mapear, nas últimas semanas de atendimento e nas pesquisas de abandono, quais dúvidas de pré-compra são inerentemente visuais: cor, tamanho, textura, compatibilidade, estado físico do produto. Essas são as candidatas naturais para um fluxo de “envie uma foto” embutido no próprio chat de vendas, não escondido em um canal separado de suporte.

O segundo passo é garantir que esse envio de imagem ou vídeo aconteça dentro da mesma conversa que já está em andamento, sem pedir para o cliente abrir e-mail ou WhatsApp separado. Cada troca de canal é um ponto de abandono adicional. O terceiro passo é priorizar interpretação automatizada para os casos de maior volume antes de expandir para casos raros: identificação de produto por imagem e verificação de tamanho tendem a ter volume suficiente para justificar automação primeiro que, por exemplo, avaliação de avarias complexas de transporte.

O quarto passo é medir o efeito separadamente por tipo de dúvida, porque nem toda pergunta visual tem o mesmo peso sobre a decisão de compra. E o quinto é garantir caminho de escalonamento para um humano quando a IA não conseguir interpretar a imagem com confiança, porque uma resposta automatizada errada sobre um produto físico gera mais atrito do que a ausência de resposta.

Erros mais comuns que vejo lojas cometendo ao tentar reduzir abandono com multimodalidade

O primeiro erro é tratar upload de imagem como recurso de suporte pós-venda, sem oferecer o mesmo recurso no momento de decisão de compra, que é onde o abandono de carrinho de fato acontece. O segundo é aceitar mídia em múltiplos canais desconectados, sem que o histórico se conecte ao pedido ou à conversa anterior. O terceiro é investir em busca visual na vitrine sem investir em capacidade equivalente no atendimento, criando uma experiência de descoberta rica e um atendimento que ainda exige descrição em texto puro. O quarto é automatizar interpretação de imagem sem validação humana para casos de baixa confiança, o que transforma um recurso de redução de fricção em uma nova fonte de erro.

Como saber se o atendimento multimodal está reduzindo abandono

O indicador mais direto é a taxa de conversão das sessões em que o cliente usou recurso visual (enviou foto, recebeu vídeo, usou busca por imagem) comparada à taxa de conversão das sessões equivalentes em texto puro, para o mesmo tipo de dúvida. Se o recurso visual não eleva essa conversão, o problema provavelmente não está na ausência de imagem, está em outro ponto da jornada.

Um segundo indicador é o número de trocas de mensagem necessárias para resolver dúvidas classificadas como visuais por natureza. Antes de um recurso multimodal bem implementado, essas dúvidas tendem a levar mais trocas de mensagem que a média geral do atendimento, porque o cliente está tentando descrever em palavras algo que é mais fácil de mostrar. Depois de implementado, esse número deveria cair para perto da média, não apenas parecer mais rápido de forma anedótica.

O que fazer a partir de amanhã

Revise as últimas semanas de atendimento e separe as dúvidas de pré-compra que são inerentemente visuais das que são puramente informacionais, essa lista é o ponto de partida real, não uma lista genérica de recursos de fornecedor. Verifique se o cliente hoje consegue enviar uma foto ou vídeo sem sair da conversa em que já está, e se não consegue, esse é o primeiro ponto de fricção a resolver antes de qualquer investimento em busca visual na vitrine. E, antes de automatizar a interpretação de imagem, defina o limiar de confiança abaixo do qual a conversa escala automaticamente para um humano, porque uma resposta errada sobre a aparência de um produto físico custa mais caro em confiança do que a demora de uma resposta humana.

Referências

• Pigueller, Arnaud. From single-channel support to multimodal intelligence: Why visual evidence is the future of CX. Zendesk Blog, atualizado em 21 jan. 2026. Disponível em: zendesk.com.
• Mehta, Ivan. Sundar Pichai shares some Google Lens stats. TechCrunch, 20 maio 2025. Disponível em: techcrunch.com.
• Baymard Institute. Cart Abandonment Rate Statistics. Disponível em: baymard.com.

Sobre a autora
Sou Euriale Voidela. Iniciei minha carreira em 1998 como operadora de atendimento e, desde então, construí uma trajetória de mais de 25 anos dedicada à evolução do relacionamento com clientes. Sou especialista em Customer Experience, Customer Success e Customer Centricity, fundadora e CEO da Customer Centric Consulting, editora-chefe do Portal Customer, presidente da AIESC, autora de 5 livros sobre CX e CS e conselheira de empresas.

Já vi muitas lojas investirem pesado em cupom e e-mail de recuperação de carrinho sem nunca perguntar por que o cliente estava com dúvida quando abandonou. Na maioria das vezes, a resposta é visual e simples de resolver, desde que o canal de atendimento aceite mostrar, não só explicar.

Sobre a Customer Centric Consulting
A Customer Centric Consulting é a consultoria que fundei para ajudar empresas a transformar experiência do cliente em resultado de negócio, da estratégia à execução. Atuamos em diagnóstico de maturidade em CX e CS, redesenho de jornadas e processos, governança e indicadores, tecnologia e Inteligência Artificial aplicada ao atendimento, cultura centrada no cliente e estruturação de operações de contact center.

Nosso principal diferencial é o método CX Maturity Intelligence, um diagnóstico estruturado que combina análise qualitativa (pilares, critérios e regras que evitam avaliações infladas) com análise quantitativa de dados operacionais reais, como taxa de contato, comportamento do cliente único, speech analytics e correlações regulatórias. É esse cruzamento entre percepção e dado que torna possível saber, com precisão, em que estágio de maturidade uma empresa realmente está, e não em qual estágio ela acredita estar.

Já apoiamos mais de 100 projetos em empresas de diversos segmentos, sempre com o mesmo compromisso: colocar o cliente, e quem cuida dele todos os dias, no centro da estratégia.

Saiba mais em customercentric.com.br ou conheça também o Portal Customer, mídia especializada em CX e CS.

Seu e-commerce sabe quantas dúvidas de pré-compra são visuais por natureza, ou ainda está tentando resolver com texto o que o cliente só consegue explicar mostrando? A Customer Centric Consulting aplica o diagnóstico CX Maturity Intelligence para mapear, com dados reais da sua operação, onde o atendimento multimodal reduziria abandono de carrinho de forma mensurável. Fale com a nossa equipe.