Agente de IA para marketing é um sistema que lê os dados do CRM e do catálogo, escolhe a oferta certa para cada grupo de clientes, escreve a mensagem e testa variações. Tudo isso acontece dentro de regras definidas pela loja. A diferença para a automação comum é que ele monta a campanha, em vez de só executar um fluxo que alguém desenhou antes.
O caso mais concreto do mês veio da ClickBus, que vende passagens de ônibus online. Em 8 de outubro de 2026, no Agentic Commerce Summit, no Rio de Janeiro, a empresa mostrou como um agente passou a criar ofertas de desconto para trechos com pouquíssimos interessados.
A manchete foi a velocidade. Para quem toca uma loja virtual, o ponto que importa é outro: públicos pequenos demais para uma campanha manual passaram a receber oferta própria. A seguir, traduzimos o caso para o e-commerce: quando a cauda longa compensa, o que preparar, quanto custa de verdade e quando não automatizar.
- 11 Pessoas entrevistadas: 6 consumidores e 5 especialistas em marketing e e-commerce
- 150 Respondentes da pesquisa: Avaliaram newsletters e anúncios personalizados em redes sociais
- 2 Lojas com teste A/B: Compararam recomendação com IA e curadoria manual em newsletter
- 1 de 2 Testes com vantagem manual: Curadoria humana teve mais cliques em uma loja; na outra, sem diferença
Fonte: Stefan Kovács, Ágnes Majoros-Benák (2026), Computers in Human Behavior Reports.
O que a ClickBus fez com o agente de IA e quais números mostrou?
A ClickBus criou um agente que transforma cada combinação de trecho, data e preço em produto identificável, redige a oferta e escolhe o público. Segundo a empresa, uma peça que o time montava em 10 minutos sai em 2 segundos, o que viabilizou falar com grupos de poucas pessoas. Fonte: ClickBus, palestra de Fabiana Salgado (coordenadora de CRM) no Agentic Commerce Summit, Rio de Janeiro, 8 de outubro de 2026, relatada pelo Mobile Time; dados internos, período e base não informados.
Passagem de ônibus é um produto difícil de anunciar. O preço muda por data e horário, o estoque é pequeno e a poltrona perde o valor quando o ônibus parte. Os números da apresentação mostram o tamanho do problema:
- 13 variáveis por oferta, entre elas origem, destino, data, horário, rodoviárias, preço original, preço com desconto, vigência e lote promocional (mesma fonte).
- Cerca de 6,8 mil destinos na operação; só o trecho Curitiba-São Paulo tinha 56 ofertas para apresentar (mesma fonte).
- Estoque curto: num ônibus de 40 lugares, a empresa pode liberar apenas 8 assentos com preço especial (mesma fonte).
- Públicos mínimos: um dos exemplos citados era uma mensagem para 12 pessoas (mesma fonte).
- Dados sujos: São Paulo aparecia com 4 grafias diferentes, e algumas cidades chegavam a 12 variações (mesma fonte).
No resultado comercial, a empresa relatou que a oferta feita para o trecho exato que o cliente procurou vende 10 vezes mais que uma mensagem genérica. No fim da cauda longa, a conversão foi 2,5 vezes superior (mesma fonte). A ClickBus não detalhou período, tamanho dos grupos nem a base de comparação. Leia como sinal de direção, não como meta para a sua loja.
As travas que a ClickBus colocou no agente
O agente não roda solto. A empresa descreveu três regras fixas, e elas ensinam mais ao lojista do que o ganho de velocidade (mesma fonte):
- Desconto honesto: se o abatimento de até 25% não existe em todas as rotas, o texto não pode sugerir que existe. Daí chamadas como “a partir de R$ 39,90”.
- Estoque declarado: quando a oferta tem poucas vagas, a mensagem avisa.
- Uma mensagem por pessoa: quem se encaixa em várias ofertas recebe só uma.
A própria empresa resumiu o aprendizado: personalização pode aumentar a conversão, mas a IA não substitui o julgamento humano, e sem regras ela multiplica erros. No aplicativo, essas ofertas aparecem com o selo ClickOferta. Fonte: App Store, página do aplicativo ClickBus – Passagens de Ônibus, consultada em outubro de 2026.
| Etapa | Antes do agente | Com o agente | Na loja virtual |
|---|---|---|---|
| Dados de cidade e cliente | Até 12 grafias para a mesma cidade | Agente normaliza antes de segmentar | Unificar cadastros de site e marketplace |
| Montagem da oferta | 13 variáveis cruzadas pelo time | Oferta vira SKU identificável | Atributos padronizados no catálogo |
| Produção da peça | Cerca de 10 minutos | Cerca de 2 segundos | Revisão humana vira o novo gargalo |
| Teste de mensagem | Não detalhado na apresentação | A/B entre percentual e valor em reais | Testar percentual contra preço final |
| Envio | Públicos pequenos não compensavam campanha | Uma mensagem por pessoa | Limite de frequência por cliente |
Elaboração EcomSmart com base em ClickBus, palestra no Agentic Commerce Summit, 8 de outubro de 2026, relatada pelo Mobile Time.
O que a pesquisa diz sobre campanhas personalizadas com IA?
A pesquisa recente confirma que personalização ajuda quando poupa o cliente de informação irrelevante, mas não garante venda. Um estudo publicado em setembro de 2026, com testes em newsletters de duas lojas virtuais, não encontrou vantagem consistente da recomendação feita com IA sobre a curadoria manual.
O trabalho de Stefan Kovács e Ágnes Majoros-Benák combinou entrevistas com 6 consumidores e 5 especialistas, uma pesquisa online com 150 pessoas e testes A/B de newsletter com dois parceiros de e-commerce. Fonte: Kovács e Majoros-Benák, AI-powered personalization in e-commerce, Computers in Human Behavior Reports, 2026, base de 11 entrevistados, 150 respondentes e 2 lojas parceiras.
Em uma das lojas, a curadoria manual gerou mais cliques. Na outra, não houve diferença confiável. As compras foram poucas demais para concluir algo sobre conversão ou receita, e os autores frisam que engajamento não equivale a compra (mesma fonte).
O estudo também mostra onde a personalização perde a simpatia do cliente: uso de dados que parece obscuro, comunicação excessiva e pouco controle sobre o que recebe. O limite é a escala: amostra pequena, só dois parceiros e país não informado no resumo.
A segunda pesquisa vem do turismo, setor da ClickBus. Ahmed Abdulaziz Alshiha ouviu 688 usuários de plataformas de turismo com IA generativa e encontrou associação positiva entre personalização e lealdade à marca, mediada por transparência e confiança. Fonte: Alshiha, From Personalization to Loyalty, Journal of Theoretical and Applied Electronic Commerce Research, 2026, base de 688 respostas válidas.
A confiança foi o preditor direto mais forte da lealdade (mesma fonte). O limite: é um questionário de percepção, mede intenção e não compra, e o resumo não informa o país da amostra. Juntas, as duas pesquisas dizem o mesmo que a ClickBus: a IA ajuda a acertar a oferta, mas o resultado depende de frequência, transparência e revisão humana.
Quando a cauda longa de produtos passa a compensar na loja virtual?
A cauda longa compensa quando a loja tem muitos grupos pequenos de clientes com interesse claro e a equipe não dá conta de atender todos. O ganho do agente não está em economizar minutos, e sim em tirar da fila as dezenas de campanhas pequenas que nunca seriam feitas à mão.
Exemplo ilustrativo: loja de autopeças
Pense numa loja de autopeças na Nuvemshop ou na VTEX que fatura R$ 120 mil por mês. Os clientes compram por modelo de carro, e a base se divide em 150 grupos de modelo e categoria, com 10 a 60 pessoas cada. Os números deste exemplo são ilustrativos, exceto os 10 minutos por peça, que usamos da ClickBus como referência.
- Produção manual: 150 peças vezes 10 minutos dão 1.500 minutos, ou 25 horas por ciclo. Com um analista que custa R$ 40 por hora, são R$ 1.000 por rodada.
- O que acontece na prática: ninguém tem 25 horas livres por semana. O time faz as 10 maiores campanhas e os outros 140 grupos ficam sem oferta.
- O que fica na mesa: se esses 140 grupos somam 3.500 clientes e 2% compram com tíquete de R$ 220, são 70 pedidos e R$ 15.400 que hoje não existem.
- Com o agente: a produção cai para quase zero, mas o custo não some. Revisar 150 peças a 1 minuto cada leva 2,5 horas, cerca de R$ 100, e cada mensagem de marketing pela WhatsApp API Oficial tem custo de envio.
A decisão sai da margem, não da receita. Com margem de contribuição de 25%, os R$ 15.400 deixam R$ 3.850 para pagar revisão, envios e ferramenta. Se a conversão real for metade da hipótese, a sobra cai para R$ 1.925 e a conta precisa ser refeita antes de ampliar.
O erro comum é avaliar o agente pelo tempo economizado. O custo que pesava nunca foi a produção, e sim a oferta que não saía. Meça pedidos e margem justamente dos grupos que antes ficavam de fora.
| Critério | Manual | Automação por regras | Agente de IA |
|---|---|---|---|
| Tempo por peça | Cerca de 10 minutos no caso ClickBus | Quase zero depois de configurado | Cerca de 2 segundos no caso ClickBus |
| Públicos pequenos | Ficam de fora por falta de tempo | Só se alguém criou o fluxo | Cobertos, inclusive grupos de 12 pessoas |
| Quem decide a oferta | Analista | Regra fixa definida antes | Agente, dentro de regras e teto |
| Risco principal | Fila de campanhas que não saem | Mensagem engessada e genérica | Erro em escala sem revisão |
| Quando faz sentido | Catálogo curto e base pequena | Carrinho, pós-compra e recompra previsível | Muitos grupos pequenos e dados limpos |
Elaboração EcomSmart com base em ClickBus, Agentic Commerce Summit, outubro de 2026, relatado pelo Mobile Time.
O que preparar antes de ligar um agente de IA para marketing
Antes de ligar um agente de IA para marketing, a loja precisa de quatro bases: clientes sem duplicidade no CRM, catálogo com atributos padronizados, regras escritas de desconto e um limite de frequência que respeite a LGPD e as políticas da Meta. Sem elas, o agente produz rápido e erra em escala.
Se a loja ainda não tem o básico rodando, o passo é anterior. Automação de marketing é o envio de mensagens acionadas por regras e eventos, como carrinho abandonado e pós-compra; veja como escolher uma ferramenta de automação de marketing para e-commerce. O agente vem depois, quando essas regras já existem.
Dados normalizados no CRM
O problema das várias grafias de São Paulo existe em toda loja. Cidade escrita de jeitos diferentes, cliente duplicado com e-mail e WhatsApp separados, pedido de marketplace sem ligação com a loja própria. Se a base ainda vive em planilhas, comece pelo guia de como escolher e integrar um CRM com WhatsApp à loja.
Catálogo estruturado
A ClickBus precisou transformar uma combinação de variáveis em SKU para o agente trabalhar. Na loja, isso significa atributos preenchidos de forma igual em todos os produtos: compatibilidade, tamanho, cor, voltagem, coleção. Atributo vazio vira oferta errada para o cliente certo.
Regras de oferta e desconto honesto
Escreva o que o agente pode e não pode fazer: desconto máximo por categoria, margem mínima, produtos fora de promoção e frases proibidas. Se o maior desconto vale só para parte do catálogo, o texto tem de dizer “até” ou “a partir de”. Isso protege a margem e evita reclamação no Procon e no Reclame Aqui.
Frequência, LGPD e WhatsApp API Oficial
Copie a regra de uma mensagem por pessoa: quem cabe em três grupos recebe só a oferta mais relevante. Pela LGPD, a loja precisa de base legal para usar o histórico de compra em marketing e de um jeito simples de o cliente sair da lista.
No WhatsApp, a API Oficial exige consentimento prévio e modelos de mensagem aprovados pela Meta. A qualidade do número cai quando muitos clientes bloqueiam ou denunciam, o que limita os envios seguintes. Mais relevância com menos mensagens é a única combinação que se sustenta.
- 1 Limpar o CRM: Unificar cadastros, cidades e clientes duplicados de site e marketplace
- 2 Estruturar o catálogo: Atributos iguais em todos os produtos da categoria piloto
- 3 Escrever as regras: Teto de desconto, margem mínima e frases proibidas por escrito
- 4 Limitar a frequência: Uma mensagem por pessoa, com consentimento e saída fácil
- 5 Medir pedido e margem: Grupo de controle e margem de contribuição, não só cliques
Elaboração EcomSmart com base em ClickBus, Agentic Commerce Summit, outubro de 2026.
Quando não vale a pena automatizar ofertas com IA?
Não vale automatizar quando a base está suja, quando a loja não tem regras escritas de desconto ou quando o catálogo é pequeno a ponto de a equipe dar conta de tudo. Nesses casos, o agente só acelera o erro ou resolve um problema que a loja não tem.
- Catálogo curto e público parecido: com poucas dezenas de produtos e clientes que compram de forma semelhante, três ou quatro campanhas manuais por mês cobrem a cauda.
- Base suja: se você não sabe quem é cliente ativo, o agente segmenta cadastros mortos e duplica mensagens.
- Sem teto de margem: agente sem limite de desconto entrega conversão comprando venda com prejuízo.
- Sem ninguém para revisar: no estudo de 2026, a curadoria humana ganhou em cliques em uma das duas lojas. Sem revisão, você perde esse filtro.
Outro sinal de alerta é usar o agente para aumentar a frequência. A ClickBus usou a IA para enviar a oferta certa, não para enviar mais. Se o plano é mandar três ofertas por semana para a mesma pessoa, o problema não é de ferramenta.
Por onde começar nesta semana?
Comece pequeno: escolha uma categoria com muitos grupos pequenos de clientes, limpe esses dados, escreva as regras e rode um piloto com revisão humana em todas as peças. Em quatro semanas dá para ver se a cauda longa gera pedidos com margem ou só cliques.
- Liste os grupos que nunca recebem campanha hoje e some quantos clientes eles têm.
- Escolha uma categoria e corrija cidade, duplicidade e atributos só dela.
- Escreva em uma página as regras: desconto máximo, margem mínima, uma mensagem por pessoa e frases proibidas.
- Rode o piloto com metade de cada grupo recebendo a oferta e a outra metade como controle, para medir pedido, não clique.
- Revise todas as peças na primeira rodada; depois, uma amostra.
Novembro está perto, e a tentação é estrear o agente na Black Friday. Teste agora e use a data só para escalar o que já provou margem, como discutimos no guia de Black Friday com IA para vender durante novembro inteiro. A conversa depois da oferta também pesa; veja como a IA conversacional ajuda a fechar a venda no WhatsApp.
Aqui vai uma recomendação de produto nosso: na EcomSmart, o módulo Campanhas Inteligentes, que monta uma oferta por cliente, foi feito para esse uso. Ele não dispensa o trabalho de base descrito acima. Com dados e regras prontos, funciona melhor; sem eles, nenhuma ferramenta resolve.
Fontes deste guia
- App ClickBus – Passagens de Ônibus – App Store
- Stefan Kovács, Ágnes Majoros-Benák (2026). AI-powered personalization in e-commerce: A multi-method study of consumer evaluations and campaign engagement. Computers in Human Behavior Reports. DOI
- Ahmed Abdulaziz Alshiha (2026). From Personalization to Loyalty: How Generative AI Shapes Tourist Brand Loyalty Through Transparency and Trust in Smart Tourism Platforms. Journal of theoretical and applied electronic commerce research. DOI
- Ponto de partida: ClickBus: agente de IA cria campanhas 300 vezes mais rápido
Como este guia foi feito: a equipe editorial EcomSmart escreveu este texto com apoio de IA a partir das fontes listadas acima; todo número tem a fonte indicada ao lado.
Perguntas frequentes
Agente de IA para marketing substitui o time de CRM?
Não. O trabalho do time muda de produzir peças para definir regras, revisar ofertas e decidir o que testar. A própria ClickBus afirmou, em outubro de 2026, que a IA não substitui o julgamento humano.
Qual a diferença entre automação de marketing e agente de IA?
Automação de marketing executa fluxos desenhados antes, como carrinho abandonado e pós-compra, sempre com a mesma lógica. O agente de IA decide qual oferta montar para cada grupo, escreve o texto e testa variações, dentro de limites definidos pela loja.
Posso usar o agente com clientes que compraram no Mercado Livre ou na Shopee?
Com cuidado. Os marketplaces restringem o contato com compradores fora da plataforma e o uso desses dados para marketing próprio. O mais seguro é trabalhar com a base da loja própria e conferir a política de cada marketplace antes.
Como saber se o agente de IA está dando resultado?
Separe um grupo de controle que não recebe a oferta e compare pedidos e margem de contribuição entre os dois grupos. Acompanhe também bloqueios e descadastros, porque conversão alta com muita reclamação não se sustenta.
