CONTEXTO
OBJETIVO 1
Diminuir carga operacional
Os creators relataram grande carga operacional para responder comentários e dúvidas nos conteúdos dos cursos.
OBJETIVO 2
Conexão como diferencial
Os consumidores não buscam apenas conhecimento, eles querem se conectar ao creator.
"O objetivo com o Tutor era de diminuir a carga operacional de responder comentários dos alunos e também, criar proximidade entre o criador do conteúdo e seus consumidores."
O Hotmart Club lançou uma inteligência artificial para agregar à plataforma de ensino e se tornar um vantagem competitiva, não somente uma IA que se comporta como uma automação fria, mas com equilíbrio entre personalização, escala e eficiência, aproximando o creator do aluno mesmo em grande escala.
O Tutor, lançado em 2024, foi o primeiro passo concreto nessa direção: um suporte inteligente que reduziu o tempo de resposta dos creators, gerando menos esforço operacional e mais valor percebido pelo aluno.
PROBLEMA
Após o lançamento do Tutor de IA, as pesquisas de comportamento revelaram um paradoxo: embora o índice de satisfação (CSAT) entre os usuários fosse alto (87%), a taxa de adoção permanecia estagnada. O maior obstáculo identificado não era a qualidade das respostas da IA em si, mas sim o awareness (conhecimento da ferramenta).
Em maio de 2025, 66,9% dos alunos que não utilizavam o Tutor afirmaram que "não sabiam que ele existia", número que ainda se mantinha em 53,3% em outubro de 2025. Apenas 4% a 5% da base elegível interagia com o Tutor dentro da sala de aula, evidenciando uma "cegueira funcional" onde o aluno não percebia o assistente como um suporte disponível.
0,0%
dos alunos não sabiam que o Tutor existia · Mai/2025
0,0%
ainda desconheciam o Tutor · Out/2025
4–5%
da base elegível interagia com o Tutor na sala de aula
0%
CSAT entre quem já usava o Tutor
HIPÓTESE
Acreditamos que ao implementar gatilhos proativos para que o aluno conheça e use o Tutor, conseguiremos quebrar a barreira do desconhecimento e aumentar o engajamento do aluno com o assistente de IA.
SOLUÇÃO
Desenvolvemos um Framework de Experimentos baseado na combinação de três variáveis principais:
Momento da Jornada
CONTEXTO
Em vez de um botão passivo, o Tutor passou a ser acionado em pontos estratégicos, como ao pausar um vídeo, concluir uma aula longa ou retornar à plataforma após dias de inatividade.
Formato
INTERFACE
Testamos diferentes componentes visuais para reduzir a fricção, incluindo popovers contextuais, bottom sheets no mobile, sidebars expansivas no desktop e microanimações no botão do Tutor para atrair a atenção de forma sutil.
Valor/Copy
MOTIVAÇÃO
Ajustamos a mensagem para prometer benefícios diretos e imediatos, como: "Quer um resumo desta aula?", "Ficou com alguma dúvida antes de continuar?" ou "Quer testar seus conhecimentos com um quiz rápido?".
Exemplo da aplicação do framework
Mapeamento da jornada
Mapeamos a Jornada AS IS com o objetivo de entender em quais pontos de contato poderíamos adicionar um gatilho proativo do Tutor IA. Com isso, criamos uma Micro-jornada de gatilhos dentro do contexto de uso (ex.: assistir aulas de curso online) do aluno.
Exemplos de experimentos
── RESULTADOS
Os resultados dos experimentos demonstraram um salto de performance em comparação aos dados históricos:
Awareness
0%
Houve um aumento explosivo de 145% no conhecimento da ferramenta por parte dos alunos.
Engajamento
0%
O uso ativo do Tutor cresceu 21%, quebrando a tendência de estagnação de interações em tempo real.
Satisfação (CSAT)
0%
O índice de satisfação se manteve consolidado no patamar de 88%, confirmando que a maior exposição não degradou a percepção de qualidade.
Recorrência
0%
Cerca de 20% dos alunos que interagiram com o Tutor retornaram para utilizá-lo no mês seguinte.