Usar o CSAT do Zendesk para encontrar clientes prestes a cancelar
Como usar as avaliações de satisfação do Zendesk para sinalizar clientes em risco: o que contêm os dados CSAT, como exportá-los e testar a ligação ao churn.
Por Florian
O CSAT do Zendesk é normalmente lido como um indicador da equipa: que parte dos tickets resolvidos foi bem avaliada este mês. Lido por cliente, torna-se outra coisa: uma lista de pessoas que acabaram de lhe dizer, com um clique, que algo correu mal. Algumas delas estão prestes a sair.
Este guia explica o que contêm os dados de satisfação do Zendesk, como os extrair, como dar seguimento rápido às más avaliações e como testar se as avaliações preveem o churn no seu negócio. Baseia-se na documentação do Zendesk sobre a experiência CSAT, enviar um inquérito CSAT, os motivos de satisfação, as más avaliações inesperadas, e nas referências das APIs Satisfaction Ratings e CSAT Survey Responses (todos consultados em novembro de 2026).
Como o Zendesk recolhe o CSAT
O inquérito está ligado aos tickets resolvidos. Nos canais de mensagens, o Zendesk cria um trigger de sistema que mostra o inquérito logo depois de um ticket ser resolvido. No email, uma automatização por defeito envia o pedido 24 horas depois de o ticket passar a resolvido, segundo o artigo do Zendesk sobre a experiência CSAT.
Com a experiência de inquérito atual descrita em Sending a CSAT survey, os administradores escolhem a escala de avaliação (dois, três ou cinco pontos) e podem acrescentar uma pergunta aberta. O Zendesk suporta também os motivos de satisfação: uma lista pendente de motivos mostrada quando um cliente dá uma avaliação negativa. Os motivos são opcionais para o cliente.
Os inquéritos nos canais de mensagens só mostram o pedido de comentário depois de o cliente ter clicado numa avaliação.
Como são os dados
Há duas representações na API, e ajuda conhecer ambas.
Satisfaction ratings. O endpoint mais antigo Satisfaction Ratings (GET /api/v2/satisfaction_ratings) devolve avaliações com um score offered, unoffered, good ou bad. Pode filtrar por score, incluindo variantes com e sem comentários, e por um start_time. “Offered” significa que o cliente recebeu um inquérito e não respondeu; “unoffered” significa que não foi enviado nenhum inquérito.
CSAT survey responses. A API CSAT Survey Responses cobre o inquérito mais recente, com as avaliações agrupadas em bad, neutral ou good. O guia do Zendesk sobre obter as respostas aos inquéritos CSAT recomenda estes dados para um feedback mais preciso quando usa o inquérito mais recente.
Em qualquer dos casos, cada avaliação liga-se a um ticket, e o ticket a um requerente e, muitas vezes, a uma organização. É esse o caminho até um cliente.
Um problema de qualidade dos dados a resolver primeiro
O Zendesk documenta uma causa conhecida de más avaliações inesperadas: os scanners de segurança de email que seguem todos os links de uma mensagem. Como a avaliação guarda o último link clicado, um scanner que clica em “good” e depois em “bad” regista uma má avaliação que o cliente nunca deu. A correção recomendada pelo Zendesk é substituir os links diretos good e bad no email CSAT por um link para a página do inquérito.
Se tenciona usar as más avaliações como sinal de churn, corrija isto primeiro. Caso contrário, alguns dos seus “clientes descontentes” são um filtro de email numa grande empresa.
Dar seguimento às más avaliações
O ganho mais rápido não precisa de análise nenhuma: alguém lê cada má avaliação no prazo de um dia e age.
- Construa uma vista. O Zendesk documenta uma vista para avaliações com comentários, com condições como “Satisfaction Is Bad with comment”. Crie uma para as más avaliações com e sem comentários.
- Atribua um responsável. Um chefe de equipa ou um customer success manager, não o agente que tratou o ticket.
- Leia o comentário e o motivo, e depois olhe para a conta: plano, antiguidade, eventos de faturação recentes, outros tickets abertos.
- Responda pessoalmente ao que o cliente disse. Uma mensagem curta de uma pessoa com nome que resolve ou explica algo faz mais do que um pedido de desculpa genérico.
- Etiquete o resultado (
csat-followup-done,csat-followup-churned) para o poder medir mais tarde.
Para os relatórios, o Zendesk publica uma receita do Explore para más avaliações com comentários.
Ler os motivos e os comentários
Os scores dizem-lhe que algo correu mal; os motivos de satisfação e os comentários dizem-lhe o quê. Antes de qualquer estatística, leia um mês de más avaliações com comentários e organize-as em meia dúzia de temas:
- Experiência de suporte: resposta lenta, resposta pouco clara, ticket fechado cedo demais.
- Problema do produto: um bug, uma funcionalidade em falta, algo que não funciona como anunciado.
- Problema de faturação: uma cobrança inesperada, uma renovação de que o cliente se esqueceu, um reembolso recusado.
- Não tem a ver consigo: uma avaliação clicada por engano, ou uma queixa sobre algo fora do seu controlo.
O segundo e o terceiro grupos são os que mais vale a pena comparar com o churn. Um cliente descontente com uma resposta lenta pode ficar depois de o problema ser resolvido; um cliente descontente com uma cobrança é também um risco de disputa, por isso verifique a sua faturação ao mesmo tempo.
Testar se as avaliações preveem o churn
Uma má avaliação parece um sinal de churn. Verifique.
Construa o conjunto de dados
- Exporte as avaliações de um período, com qualquer das APIs acima, com ID do ticket, requerente, organização, score, motivo, comentário e data.
- Exporte os clientes da faturação com data de início, data de cancelamento e tipo de churn (voluntário ou pagamento falhado).
- Associe os requerentes aos clientes pelo email. Os utilizadores do Zendesk podem ter várias identidades de email; use todas. Em B2B, decida se uma avaliação de qualquer utilizador conta para a organização.
- Fixe uma janela. Avaliações nos 90 dias antes de uma data de referência; churn nos 90 dias seguintes.
Compare os grupos
| Grupo | Definição |
|---|---|
| Pelo menos uma má | Uma ou mais más avaliações na janela |
| Só boas | Apenas boas avaliações |
| Oferecido, nunca respondido | Inquéritos enviados, sem resposta |
| Sem tickets resolvidos | Nenhum inquérito oferecido na janela |
Calcule o churn voluntário em cada grupo, com o número de clientes ao lado de cada taxa. Deixe de fora o churn por pagamentos falhados; veja churn involuntário para perceber porque se comporta de forma diferente. As fórmulas do churn estão em como calcular a taxa de churn.
Leia com cuidado
- As taxas de resposta condicionam tudo. Se poucos clientes respondem, o grupo “má” é pequeno e autosselecionado. O grupo “oferecido, nunca respondido” pode ser tão informativo como as más avaliações.
- Os motivos contam mais do que os scores. Uma má avaliação com o motivo “problema não resolvido” é um sinal diferente de “o agente foi lento”. Divida a comparação por motivo quando tiver dados suficientes.
- O seguimento muda o resultado. Se começar a dar seguimento às más avaliações, a sua ligação ao churn deve enfraquecer. É esse o objetivo, não uma análise avariada.
- Correlação, não causalidade. Uma má avaliação pode ser o sintoma de uma decisão já tomada. Continua a dizer-lhe com quem falar.
Se o CSAT não separa quem cancela de quem fica nos seus dados, olhe para outros sinais do suporte; veja como detetar sinais de churn nos tickets do Zendesk.
Fazer isto com o NoChurn
O conector do Zendesk do NoChurn é só de leitura: não envia inquéritos, não altera as suas definições de CSAT nem escreve nos tickets. Lê os tickets e as suas avaliações de satisfação, associa os requerentes aos clientes da faturação pelo email (as correspondências duvidosas são-lhe sugeridas para confirmar, nunca fundidas automaticamente) e usa-os como dados de entrada do score de churn de 0 a 100 e dos fatores de churn, que ordenam os atributos mais correlacionados com o churn (correlação, não causalidade). Pode enviar outros atributos pela API, como a utilização do produto, para ver como se comparam os sinais do suporte. Veja NoChurn + Zendesk.