TL;DR
O Tutor IA tinha alta satisfação (CSAT 87%), mas apenas 4–5% da base elegível o utilizava: o problema era awareness, não qualidade. Liderei uma estratégia de experimentos com gatilhos proativos dentro da sala de aula, estruturada em um framework de três variáveis (momento da jornada, formato e valor/copy) e apoiada por ferramentas criadas com IA para gerar hipóteses e prototipar os cenários. O resultado foi um salto de adoção de 5% para 21%, sem perda de satisfação.
CONTEXTO DO TUTOR IA
OBJETIVO ESTRATÉGICO 1
Diminuir carga operacional
Os creators relataram grande carga operacional para responder comentários e dúvidas nos conteúdos dos cursos.
OBJETIVO ESTRATÉGICO 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.
MEU PAPEL
Como Staff Product Designer, fui responsável por liderar a experiência do Tutor IA no Web e no App da Hotmart. Atuei junto ao time na definição das interfaces, na condução de pesquisas, na estratégia do produto e na comunicação com stakeholders, garantindo que as decisões de design estivessem alinhadas aos objetivos de negócio.
HOTMART CLUB · TUTOR DE IA
ARRASTE OU ROLE PARA O LADO
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 (5%). O maior obstáculo identificado não era a qualidade das respostas da IA em si, mas sim o awareness (conhecimento da ferramenta).
PESQUISA E ANÁLISE DE DADOS
Em pesquisas com alunos via Survicate, descobrimos que 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:
Exemplos:
- Promessa de economia de tempo: "Quer um resumo da aula?"
- Alívio da dúvida: "Ficou com dúvida? Pergunta aqui direto."
- Acompanhamento do progresso: "Você parou na aula X, quer acompanhar os principais pontos falados até aqui?"
- Continuidade de aprendizado: "Quer aprofundar nesse assunto?"
Exemplos:
- Início de uma nova aula
- Pausa prolongada no vídeo
- Final de uma aula longa
- Comentário feito na aula
- Retorno após dias inativo
- Ao concluir um módulo inteiro
Exemplos:
- Tooltip contextual
- Bottom sheet (mobile)
- Sidebar expansiva (web desktop)
- Snackbar ou Toast (mensagem curta)
- Microanimações e estados visuais do botão do Tutor
A partir da combinação das variáveis, criamos variantes de experimentos (testes A/B) para testar o valor de cada proposta. Exemplo:
Exemplo da aplicação do framework
Ao pausar, mostrar popover oferecendo o apoio do Tutor para tirar dúvidas e aprender mais com o assistente.
Hipótese: Se mostrarmos um popover oferecendo o apoio para tirar dúvidas, a cada X "pausas" no vídeo, aumentaremos o engajamento com o Tutor, pois o aluno estará em um momento receptivo para tirar dúvidas e aprofundar o aprendizado com a ajuda do assistente.
Ferramentas criadas com IA
Gerador de hipóteses
Com o objetivo de ajudar o time na construção das hipóteses, construí uma ferramenta que gera combinações, define a relevância do experimento e a documentação de cada um.
Protótipo funcional
Com o objetivo de visualizar o funcionamento dos experimentos na sala de aula e compartilhar com outros times e stakeholders.
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.
Pontos de contato
Mapeamento de formatos e componentes da interface
Exemplos de experimentos
ARRASTE OU ROLE PARA O LADO
RESULTADOS
Os resultados dos experimentos demonstraram um salto de performance em comparação aos dados históricos:
Adoção
5% → 0%
A parcela da base elegível que interage com o Tutor saiu de 5% para 21% após os experimentos com gatilhos proativos, deixando de ser um assistente pouco percebido para se tornar uma ferramenta de uso ativo.
Awareness
0%
Houve um aumento explosivo de 145% no conhecimento da ferramenta por parte dos alunos.
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.