Customer Effort Score: como medir o CES e reduzi-lo com IA

Última atualização: 5 de agosto de 2026

Se você perguntar a um cliente se ele ficou satisfeito, ele provavelmente vai ser gentil. Se perguntar o quanto foi difícil resolver o problema dele, ele vai dizer a verdade. Essa diferença é todo o argumento a favor do Customer Effort Score — e explica por que o CES se tornou a métrica em que os líderes de suporte confiam quando o CSAT está ótimo mas as renovações não.

A pesquisa por trás disso é incomumente direta. O trabalho do Gartner sobre a experiência sem esforço mostrou que 96% dos clientes que passaram por uma interação de alto esforço demonstraram deslealdade depois, contra apenas 9% dos que tiveram uma experiência de baixo esforço — e que 94% dos clientes de baixo esforço disseram que voltariam a comprar. O que move o ponteiro é o esforço, não o encantamento.

O que você vai encontrar neste guia

• O que o CES mede e como calcular
• Por que o esforço prevê lealdade melhor que a satisfação
• Como rodar uma pesquisa de CES que gera dados úteis
• Os quatro geradores de esforço que vale atacar
• Como a IA realmente reduz o esforço
• Onde o CES se encaixa entre suas outras métricas de suporte
• Perguntas frequentes

O que o CES mede e como calcular

O Customer Effort Score mede quanto trabalho o cliente teve para conseguir o que precisava. Ele é coletado com uma única afirmação de concordância — a mais comum é "A empresa facilitou a resolução do meu problema" — respondida em uma escala de 1 a 7, em que 7 é concordância total.

O resultado é a média de todas as respostas. Se 200 clientes responderem e a soma das notas for 1.120, seu CES é 5,6. Muitos times também reportam o percentual de respostas 5 ou acima, porque a média esconde o formato da distribuição: um 5,0 formado majoritariamente por notas 5 é uma operação de atendimento saudável, enquanto um 5,0 formado por 7 e 2 é uma operação com um segmento quebrado.

A redação importa mais do que a escala

A formulação original perguntava quanto esforço o cliente teve que investir, e isso confundia os respondentes de forma consistente: numa escala de esforço, um número alto é ruim, o que inverte a lógica de todas as pesquisas que a pessoa já respondeu antes. A versão de concordância resolveu isso. Qualquer que seja a sua escolha, mantenha-a idêntica ao longo do tempo — reescrever a pergunta zera a sua linha de base, e você vai passar um trimestre sem conseguir dizer se o atendimento melhorou ou se a pesquisa mudou.

Por que o esforço prevê lealdade melhor que a satisfação

O CES nasceu de uma pesquisa da CEB, hoje parte do Gartner, publicada na Harvard Business Review com o artigo "Stop Trying to Delight Your Customers". A descoberta que ficou famosa era contraintuitiva: superar as expectativas do cliente no atendimento gerava um ganho de lealdade quase irrelevante em relação a simplesmente atendê-las, enquanto não facilitar as coisas gerava uma punição de lealdade severa.

Mecanicamente, isso faz sentido. Satisfação é um julgamento sobre o relacionamento inteiro, então está ancorada em tudo o que o cliente já acredita sobre você e se move devagar. Esforço é um julgamento sobre uma interação específica que acabou de acontecer, então se move na hora e aponta para algo que você pode mudar na segunda-feira. O CSAT informa a temperatura; o CES informa por qual porta o frio está entrando.

A consequência prática é uma reordenação de prioridades. Times de atendimento que otimizam para encantamento investem em gestos. Times que otimizam para esforço investem em eliminar etapas — e eliminar etapas é mais barato, mais mensurável e tem muito mais chance de sobreviver a uma revisão de orçamento.

Como rodar uma pesquisa de CES que gera dados úteis

Pergunte logo após a resolução, não após o fechamento

O fechamento do ticket é um evento interno; a resolução é o evento do cliente. Envie a pesquisa quando o problema estiver de fato resolvido, minutos depois da última mensagem e no mesmo canal em que a conversa aconteceu. Uma pesquisa de CES enviada por e-mail três dias depois mede memória, não esforço.

Uma pergunta só, mais um campo aberto

A nota mostra onde está o problema; a resposta aberta mostra qual é. Uma única pergunta de acompanhamento — "O que foi difícil?" — vai gerar mais backlog de melhoria aproveitável do que qualquer dashboard. Resista à tentação de incluir uma terceira pergunta.

Segmente antes de tirar a média

Um CES único para a empresa inteira é quase inútil para agir. Divida por canal, por tipo de solicitação, por ter havido ou não uma transferência, e por porte de cliente. O insight quase sempre está em um segmento: dúvidas de faturamento pontuam dois pontos abaixo das de entrega, ou o chat vai bem até escalar para o e-mail.

Os quatro geradores de esforço que vale atacar

A pesquisa do Gartner é específica sobre o que o cliente sente como esforço, e os quatro itens são falhas de processo, não problemas de atitude.

Note que três dos quatro nascem de como o trabalho circula entre sistemas e pessoas. É a mesma costura em que a resolução no primeiro contato se rompe — por isso FCR e CES andam juntos, e por isso corrigir um normalmente melhora o outro.

Como a IA realmente reduz o esforço

A IA é aplicada contra o esforço de duas formas muito diferentes, e só uma delas funciona.

A versão que falha

Um bot colocado na frente da fila cuja função principal é atrasar o contato com uma pessoa aumenta o esforço. Ele adiciona uma etapa e depois transfere uma conversa sem contexto, obrigando o cliente a começar de novo. Os próprios dados do Gartner servem de alerta: uma pesquisa de 2024 encontrou que apenas 14% das solicitações de atendimento são totalmente resolvidas em autoatendimento. Deflexão que não resolve é esforço com etapas extra.

A versão que funciona

Um agente de IA reduz o esforço quando consegue concluir a tarefa de verdade: ler a conta, checar o pedido, aplicar a política, emitir o reembolso, atualizar o registro e escalar com um resumo completo quando não consegue. Essa é a diferença entre um chatbot e um agente com acesso aos sistemas, e é a premissa da previsão do Gartner de que a IA agêntica vai resolver de forma autônoma 80% das solicitações comuns de atendimento até 2029, com uma redução de cerca de 30% nos custos operacionais.

É assim que construímos a Eva, a agente de experiência do cliente da Darwin AI: ela responde no WhatsApp e nos canais que seus clientes já usam, resolve com dados reais da conta em vez de links da central de ajuda, e transfere para uma pessoa com a conversa inteira anexada, para que ninguém precise se repetir. O objetivo de design não é contenção por si só — são menos etapas por resolução.

A mesma lógica vale antes de o cliente falar com você. O suporte proativo é a experiência de menor esforço que existe, porque o score de esforço de uma conversa que nunca precisou acontecer é imensurável no melhor sentido possível.

Onde o CES se encaixa entre suas outras métricas de suporte

O CES é um indicador defasado da qualidade da experiência, então precisa de métricas operacionais ao lado para ser acionável. Um conjunto de quatro métricas que funciona é assim:

• CES — o quanto foi difícil para o cliente. O resultado que interessa.
• Taxa de contenção — quanto sua IA resolveu de ponta a ponta. Só faz sentido lida junto do CES, porque contenção obtida exaurindo o cliente não é vitória.
• Custo por resolução — quanto custa cada caso resolvido. Mantém a eficiência honesta.
• Deflexão de tickets — volume que saiu da fila. Só vale se o problema de fundo foi resolvido.

Lidas em conjunto, essas quatro cobrem os pontos cegos umas das outras. Contenção subindo e CES caindo significa que sua IA está travando os clientes. Custo por resolução caindo e CES estável significa ganho real de eficiência. Deflexão subindo e recontatos subindo significa que você moveu o trabalho em vez de eliminá-lo.

Perguntas frequentes

O que é um bom Customer Effort Score?

Na escala de concordância de 7 pontos, a maioria dos times trata 5,0 como piso e considera forte qualquer valor acima de 6,0. Benchmarks absolutos são frágeis, porém, porque as notas variam conforme setor, complexidade do caso e momento da pesquisa. Sua própria linha de tendência, segmentada por canal e tipo de solicitação, é uma meta muito melhor do que uma média publicada.

O CES é melhor que o NPS ou o CSAT?

Ele é melhor em uma tarefa específica: diagnosticar interações de atendimento individuais. O NPS mede recomendação no nível do relacionamento e o CSAT mede contentamento geral, e os dois reagem mais devagar a problemas de processo. A pesquisa do Gartner sobre a experiência sem esforço encontrou 96% de deslealdade entre clientes de alto esforço contra 9% entre os de baixo esforço — essa diferença é o que torna o CES tão útil para operações. A maioria dos times usa o CES ao lado de uma métrica de relacionamento, sem substituir nada.

Quando enviar uma pesquisa de CES?

Imediatamente depois de o problema do cliente ser resolvido, no canal em que a conversa aconteceu. Pesquisas atrasadas medem lembrança em vez de esforço, e pesquisas em outro canal derrubam a taxa de resposta.

A IA melhora ou piora o CES?

Acontecem as duas coisas. A IA reduz o esforço quando o agente resolve o caso com dados reais da conta e transfere com contexto completo; aumenta quando funciona como porteiro. O Gartner encontrou que apenas 14% das solicitações são totalmente resolvidas em autoatendimento, então a pergunta decisiva é se a sua IA tem o acesso a sistemas necessário para concluir a tarefa.

Quantas respostas de CES precisamos?

O suficiente por segmento para ser estável, não o suficiente para elegância estatística. Se faturamento e entrega retornam algumas dezenas de respostas por mês cada, você já pode agir sobre a diferença entre eles. Perseguir um tamanho de amostra para a empresa inteira enquanto cada segmento fica pequeno demais para ser lido é uma forma comum de juntar dados que ninguém usa.