CSAT: o que é, fórmula, como calcular e modelos de pesquisa no WhatsApp

O que é CSAT e qual é a fórmula

CSAT é a sigla de Customer Satisfaction Score, o índice de satisfação do cliente. Ele mede a satisfação com algo específico que acabou de acontecer: um atendimento, uma entrega, uma visita. A pergunta costuma ser direta, como “Como você avalia este atendimento?”, e a resposta vem numa escala curta, quase sempre de 1 a 5.

A fórmula é CSAT = (respostas positivas ÷ total de respostas) × 100. Na escala de 1 a 5, o corte mais comum conta as notas 4 e 5 como positivas. É o que fazem os guias da Qualtrics, da Octadesk e do Zendesk, conferidos em 02/11/2026.

Veja a conta num exemplo criado só para ilustrar. Uma loja encerrou 1.000 conversas no mês e mandou a pesquisa em todas. Responderam 200 pessoas, e 160 deram nota 4 ou 5. O CSAT é 160 ÷ 200 = 0,80, ou seja, 80%. A taxa de resposta é outro número: 200 ÷ 1.000 = 20%.

O erro de conta mais comum está no denominador. Dividir as 160 notas positivas pelas 1.000 conversas dá 16%, e isso já não é CSAT. O índice divide pelas respostas, e por isso precisa aparecer sempre com o número de respostas ao lado.

O CSAT tem um limite claro. Ele fotografa um momento e não diz se o cliente vai voltar ou recomendar a empresa. Serve para corrigir a operação, enquanto outras métricas tratam da relação e do esforço. O guia de atendimento ao cliente mostra como esse número entra na rotina da equipe.

Top-2-box ou média: as duas formas de calcular o CSAT

Existem duas contas em uso. O top-2-box, a caixa das duas melhores notas, é a porcentagem de respostas 4 e 5. A média soma todas as notas e divide pelo número de respostas, com resultado entre 1 e 5. A primeira diz quantos clientes ficaram satisfeitos. A segunda resume a distribuição inteira num número só.

As duas podem apontar para lados opostos. Imagine duas equipes fictícias, cada uma com 100 respostas. A equipe A teve 50 notas 5, 30 notas 4, 10 notas 3, 5 notas 2 e 5 notas 1. A equipe B teve 30 notas 5, 60 notas 4, 5 notas 3, 3 notas 2 e 2 notas 1.

Pela média, a equipe A ganha: 415 ÷ 100 = 4,15, contra 413 ÷ 100 = 4,13. Pelo top-2-box, a equipe B ganha com folga: 90%, contra 80%. A equipe A tem mais notas máximas e também o dobro de notas 1 e 2, com 10 contra 5. Essa diferença some quando só um número vai para o relatório.

Há uma terceira conta que confunde. Dividir a soma das notas pelo máximo possível transforma a média em porcentagem. A equipe A ficaria com 415 ÷ 500 = 83%, que parece comparável aos 80% do top-2-box, mas mede outra coisa. A documentação do Zendesk mostra as duas no mesmo fornecedor: o Suporte divide tickets bons por tickets avaliados, e o painel de pesquisas do Zendesk QA divide a soma das respostas pelo máximo.

O corte também varia entre guias conhecidos. Em 02/11/2026, o blog do Zendesk chamava de positivas as notas acima de 8 na escala de 0 a 10. O da HubSpot, num exemplo, contava as respostas de 5 a 7. A RD Station tinha um texto com CSAT de 0 a 10 e outro de 1 a 5 ou Sim/Não. Cada escolha é defensável, e por isso CSAT de fontes diferentes raramente se compara.

A regra prática cabe numa frase: escreva a fórmula ao lado do número. “CSAT top-2-box, escala de 1 a 5, pesquisa logo após a conversa resolvida, 200 respostas” é um dado que dá para usar. Se mudar a conta, recalcule o histórico ou abra uma série nova. Sem isso, o gráfico mostra uma melhora que só existe na planilha.

Qual é um bom CSAT? O problema dos benchmarks

Não existe um número universal. Guias de mercado repetem faixas como 75% a 85%, quase sempre sem dizer qual pergunta, escala ou corte gerou o dado. Sem isso, a faixa não serve de régua. Este artigo não traz referência por setor porque não encontramos uma fonte primária comparável para pesquisa feita em conversa.

A comparação errada mais comum envolve o ACSI, o índice americano de satisfação. O blog da HubSpot, conferido em 02/11/2026, atribui a ele sua tabela de CSAT por setor, e a Qualtrics também aponta para ele. Só que o ACSI é um índice de 0 a 100, feito com a média ponderada de três perguntas em escala de 1 a 10. Um 78 no ACSI não significa 78% de clientes satisfeitos.

Compare só o que é igual: mesma pergunta, mesma escala, mesmo corte, mesmo momento, mesmo canal e tipo de cliente parecido. Quase sempre, a comparação que vale é com o seu próprio histórico, separado por motivo de contato. Uma queda de nota em “atraso de entrega” diz mais do que a distância para um número achado na internet.

O decreto do SAC obriga a medir a satisfação do cliente?

Depende da empresa. O Decreto 13.135, de 9 de outubro de 2026, publicado no Diário Oficial em 13 de outubro e em vigor 20 dias depois, revogou o Decreto 11.034/2022. Ele cita o “grau de satisfação dos consumidores” uma única vez, no art. 2º, inciso IV. Ali, plataformas digitais de intermediação, de transporte remunerado privado individual e de entrega devem apresentar à Senacon seus modelos de atendimento com indicadores, e esse é um deles.

Os demais fornecedores alcançados pelo decreto, listados no art. 1º, parágrafo único, são os de serviços regulados pelo governo federal, conforme os critérios de cada agência, e os de serviços financeiros digitais supervisionados pelo Banco Central. O texto não traz para eles uma obrigação geral de pesquisa. O guia de SAC no WhatsApp detalha o resto das regras.

Três artigos pesam nesta medição. O art. 6º, inciso I, proíbe mensagem publicitária nos canais do SAC em qualquer etapa, o que pesa contra pesquisa com cupom. O art. 13, § 2º, manda informar o tempo estimado de espera quando o consumidor escolhe atendimento humano em canal eletrônico, o que puxa o TME para a tela do cliente. E o art. 8º, parágrafo único, impede condicionar o atendimento humano a dados prévios, então a pesquisa nunca vira pedágio.

Fora do Brasil, a regra pode ser mais dura. Na Espanha, a Lei 10/2025 manda as empresas no seu escopo manterem um sistema documentado de satisfação e, no art. 18, proíbe pesquisa antes de resolver o caso. Vale como lição geral: perguntar antes da solução mede a pressa, e não o atendimento.

CSAT, NPS e CES: diferença em tabela

CSAT. Mede a satisfação com uma interação. Pergunta: “Como você avalia este atendimento?”. Escala: em geral de 1 a 5. Fórmula: respostas positivas ÷ total de respostas × 100. Momento: logo depois da interação. Serve para corrigir atendimento, entrega e processo.

NPS (Net Promoter Score). Mede a disposição de recomendar a empresa. Pergunta: “De 0 a 10, qual a chance de você nos recomendar?”. Escala: 0 a 10. Fórmula, conforme a Bain: % de promotores (9 e 10) − % de detratores (0 a 6). Momento: periódico, fora de um atendimento específico. Serve para acompanhar a relação com a marca.

CES (Customer Effort Score). Mede o esforço para resolver algo. Criado pela consultoria CEB, tem como redação citada “A empresa facilitou a solução do meu problema”. Escala: varia, com versões de 1 a 5 e de 1 a 7. Fórmula: média das notas, ou porcentagem das notas altas. Momento: logo após a tarefa. Serve para tirar atrito.

Contas de exemplo, com dados fictícios. NPS: em 300 respostas, 150 promotores, 90 neutros e 60 detratores dão 50 − 20 = +30, um saldo e não uma porcentagem. CES: em 200 respostas de 1 a 7, com 7 como muito fácil, 150 notas 5, 6 ou 7 dão 75%. Confira a direção da escala: no guia da SurveyMonkey, o 1 é muito fácil e nota baixa é boa.

Use CSAT para saber como foi aquele atendimento. Use CES quando a suspeita for atrito, como transferências e dados pedidos duas vezes. Use NPS para a relação, com uma amostra que inclua clientes sem contato recente com o suporte. Faça uma pergunta por pesquisa. Empilhar as três na mesma mensagem cansa quem responde e mistura o que cada uma mede.

Indicadores de atendimento: TMA, TME e FCR, com fórmula e conta

TMA, o tempo médio de atendimento, é o tempo total dos atendimentos ÷ atendimentos concluídos. Exemplo fictício: 40 atendimentos que somam 480 minutos dão TMA de 12 minutos. Decida antes se a conta inclui o registro feito depois da conversa e mantenha o critério, como recomenda a RD Station em seu guia de agosto de 2026.

TME, o tempo médio de espera, é o tempo total de espera ÷ atendimentos iniciados. Exemplo fictício: 60 clientes que esperaram 240 minutos no total dão TME de 4 minutos. A média esconde pico. Se nove clientes esperam 2 minutos e um espera 62, o TME é 8 minutos e a mediana é 2. Olhe as duas, mais o caso mais lento.

FCR, a resolução no primeiro contato, é (casos resolvidos no primeiro contato ÷ casos elegíveis) × 100. A SQM Group, especializada nessa métrica, tira da base o que nem podia ser resolvido, como número errado e contato abandonado. Exemplo fictício: 390 casos em 500 elegíveis dão 78%. A conta depende de uma escolha sua, a de quantos dias um novo contato sobre o mesmo assunto derruba o caso.

No WhatsApp, essas contas pedem ajuste. A conversa é assíncrona: o cliente some por horas e volta, e um atendente cuida de várias ao mesmo tempo. Se o TMA contar do início ao fim da conversa, ele mede o sumiço do cliente. Some só o tempo ativo, ou separe tempo até a primeira resposta, tempo até resolver e mensagens por caso.

O valor está em ler em conjunto. TMA caindo com FCR caindo costuma ser pressa, e a conversa volta, alerta que a RD Station também faz. TME alto com CSAT estável pode indicar que quem desistiu nem respondeu. CSAT alto com FCR baixo pede uma olhada em quem está respondendo a pesquisa.

Um atalho para escolher: fila e tamanho da equipe, TME; carga de trabalho, TMA; retrabalho, FCR; percepção, CSAT; atrito, CES; relação, NPS. Se só puder começar com três, fique com TME, FCR e CSAT. Um mostra a espera, outro a resolução, e o terceiro a opinião do cliente sobre as duas.

O que distorce a nota: quem responde, quando e como se pergunta

Quem responde raramente representa todo mundo. Volte às 1.000 conversas, 200 respostas e 160 positivas. Se as 800 pessoas caladas estivessem todas insatisfeitas, o índice real seria 16%. Se estivessem todas satisfeitas, seria 96%. O CSAT de 80% está certo como conta, e a satisfação real pode estar em qualquer ponto dessa faixa. Quanto menor a taxa de resposta, mais larga ela fica.

Há estudo sobre a direção do erro. Mazor e coautores, na revista Health Services Research de 2002, analisaram 82 médicos e 6.681 pacientes de um plano de saúde em Massachusetts, com 32% de resposta. Médicos com resposta maior tinham nota média maior. Na simulação, a amostra enviesada inflou a nota, ainda mais entre os pior avaliados. É um único contexto, de saúde, mas o mecanismo cabe no atendimento.

A amostra também encolhe antes da resposta. Pesquisa disparada só em conversa resolvida deixa de fora quem desistiu na fila e quem foi embora sem solução. A Bain cita um filtro desse tipo, o da empresa que nunca pesquisa quem teve o pedido negado. Meça também abandono e reabertura, ou a nota fica bonita por construção.

O momento muda o que está sendo medido. Logo após a conversa, a nota fala do atendimento. Dias depois, ela mistura produto, entrega e memória. Perguntar antes de resolver mede a simpatia da pessoa. Escolha um momento por tipo de pesquisa e mantenha. Atendimento e entrega pedem perguntas separadas, em horas diferentes.

A escala também pesa. Trocar de cinco para três opções, mudar a ordem dos botões, inverter a direção ou trocar palavras por carinhas cria uma série nova. Rode as duas versões em paralelo por um período antes de aposentar a anterior, para saber quanto da mudança veio do formato.

O pedido de voto é uma distorção antiga. No artigo Net Promoter 3.0, de 2021, Reichheld e coautores citam frases como “vou perder o emprego se você não me der 10” e prêmios por nota alta, e falam em estatísticas de vaidade. A regra é simples: a pesquisa sai automática, ninguém pede nota, ninguém escolhe quem recebe, e nenhum brinde depende da resposta.

Como perguntar no WhatsApp: janela de 24 horas, categoria e opt-in

Comece pela janela de 24 horas. A documentação da Cloud API diz que ela começa quando o cliente manda mensagem ou liga, e reinicia a cada nova mensagem. Dentro dela, a pesquisa vai como mensagem de serviço, sem template e sem aprovação. Fora dela, só com template aprovado. Encerrar a conversa e perguntar na hora é o caminho mais simples.

Fora da janela, a categoria decide. A página de categorização de templates da Meta, lida em 02/11/2026, lista “Feedback Surveys” entre os objetivos de utility, para colher opinião sobre pedidos, transações ou atendimentos anteriores. A condição é a especificidade: a pesquisa precisa citar o pedido ou a interação. Um exemplo oficial diz que o cliente falou com a empresa sobre um pedido e pergunta “How was your experience?”.

O outro lado está na mesma página. Pesquisa genérica não é aprovada como utility. Pesquisa com conteúdo promocional é conteúdo misto, e conteúdo misto é marketing. Conteúdo pouco claro também. Em resumo, a Meta costuma tratar como utility a pesquisa ligada a um pedido ou atendimento citado, e como marketing a pesquisa solta ou com oferta. O guia de categoria de template traz o resto da régua.

A categoria pode mudar depois de aprovada. Quando entende que um utility é marketing, a Meta atualiza a categoria com um dia de aviso, ou na hora para quem já recebeu alerta por abuso, e dá 60 dias para contestar. Virar marketing muda o preço e traz o limite de marketing por pessoa, que aparece como erro 131049. Aí parte dos clientes nem recebe a pesquisa.

Antes de tudo vem a permissão. A documentação lembra que só se envia mensagem a quem deu opt-in, e a política do WhatsApp, atualizada em 23 de setembro de 2026, manda respeitar todo pedido para parar e recomenda explicar como sair de cada categoria. Quem respondeu “não quero mais pesquisa” sai da lista. O guia de opt-in no WhatsApp mostra como registrar isso, inclusive pela LGPD.

Há um detalhe útil de operação. A documentação de templates diz que o botão de resposta rápida, quando tocado, manda o texto do botão para a empresa, e a de preços diz que a janela abre a cada mensagem do usuário. Na prática, o toque abre a janela, e a pergunta aberta seguinte pode ir como mensagem de serviço. A Meta não descreve o caso nesses termos, então teste no seu número antes de escalar.

Botões, lista ou Flow: o formato limita a escala da pesquisa

Esta armadilha não apareceu em nenhum dos guias lidos para este artigo: o WhatsApp limita os formatos, e o formato define a escala. A mensagem interativa com botões de resposta aceita até 3 botões, com até 20 caracteres no título. Cabem “Ruim”, “Regular” e “Ótimo”. Não cabe a escala de 1 a 5.

A mensagem de lista aceita até 10 linhas no total, com até 24 caracteres por título. Nela, cabe a escala de 1 a 5 com rótulos, ao custo de um toque a mais, porque o cliente precisa abrir a lista antes de escolher. O NPS de 0 a 10 tem 11 opções e não cabe nem aí. Para ele, use um Flow ou peça a nota digitada e trate as respostas fora do padrão.

No template, a documentação permite até 10 botões de resposta rápida, com até 25 caracteres cada. Só que templates com 4 ou mais botões não aparecem nos clientes de desktop do WhatsApp, e o usuário recebe o aviso para ver a mensagem no celular. O mesmo vale para quem mistura resposta rápida com outro tipo de botão. Se boa parte da sua base usa o computador, três botões evitam esse desvio.

O WhatsApp Flows entra quando há mais de uma pergunta, como nota, motivo e comentário, em telas dentro da conversa. A API de Flows tem a categoria SURVEY, e a Meta recomenda tarefas de até 5 minutos e no máximo 10 opções por tela. Para enviar, a empresa precisa ser verificada e manter qualidade alta. Para uma pergunta só, o Flow é exagero.

Escolhido o formato, não misture as séries. Uma nota de três botões não se compara com uma de cinco, e um “Regular” de três opções não equivale a um 3 de cinco. Se o WhatsApp usa três botões e o e-mail usa cinco, reporte separado. E defina antes o que é positivo na escala curta: se só “Ótimo” conta, o número cai sem que nada tenha piorado.

Modelo de pesquisa de satisfação: quatro modelos prontos

Os modelos abaixo são pontos de partida, com variáveis entre chaves. Todos citam a interação, não trazem oferta e não pedem dado pessoal. Nenhum pede CPF, documento, senha, código ou cartão. A política do WhatsApp proíbe pedir número completo de cartão, de conta e de documento de identidade, e a LGPD, no art. 6º, III, limita o tratamento ao mínimo necessário. Para identificar o caso, use o número do pedido que você mesmo enviou.

E-commerce, depois da entrega. “Seu pedido {{1}} foi entregue em {{2}}. Como foi essa compra?” Botões: Ruim, Regular, Ótima. Se a nota for baixa: “Sentimos muito. O que deu errado com o pedido {{1}}?” Pergunte sobre o suporte em outra pesquisa, ligada à conversa, para não misturar entrega e atendimento.

Clínica, depois da visita. “Como foi o atendimento da recepção na sua visita de {{1}}?” Botões: Ruim, Regular, Ótimo. Segunda pergunta: “O horário combinado foi respeitado?” Sim ou Não. Não cite especialidade, exame, sintoma ou tratamento. A política veda pedir informação de saúde quando a regulação impede que ela passe por sistemas sem requisitos reforçados, e a LGPD trata dado de saúde como sensível no art. 5º, II.

SaaS, depois do chamado. “Você falou com o suporte sobre o chamado {{1}}. Seu problema foi resolvido?” Botões: Sim, Em parte, Não. Se a resposta for Sim: “De 1 a 5, como foi o atendimento?”, numa lista. Essa ordem dá um FCR percebido pelo cliente antes da nota. Convite para plano maior ou novidade do produto transforma o template em marketing.

Logística, depois da entrega. “A entrega {{1}} foi registrada em {{2}}. Deu tudo certo?” Botões: Sim, Tive problema, Não recebi. Aqui a resposta vale mais como alerta do que como nota: “Não recebi” abre um caso na hora. A Meta dá um exemplo parecido como utility, o de um pedido entregue com o convite para avisar se houve algum problema.

A pergunta aberta serve para os quatro: “Quer contar o que poderíamos ter feito melhor?” Deixe opcional e diga quem vai ler. Três erros a evitar: cupom por resposta, texto que sugere a nota, como “nos dê 5 estrelas”, e duas perguntas numa só, como “atendimento e prazo”. Cada um deles muda o que a nota significa.

Taxa de resposta da pesquisa: como medir sem número inventado

A taxa de resposta é (respostas ÷ pesquisas entregues) × 100. Use as entregues, porque falha de envio não é recusa do cliente. Exemplo fictício: 900 entregues e 180 respostas dão 20%. Os status do WhatsApp permitem abrir o funil em enviadas, entregues, lidas e respondidas. Na CCX Messages, o painel mostra enviadas, entregues, lidas e falhas, e avisa quando as falhas passam de 1%.

Este artigo não traz média de resposta no WhatsApp porque não encontramos fonte primária, com método aberto, para esse número. Os valores que circulam misturam canal, setor e momento. Meça o seu e compare com você mesmo, por motivo de contato e por tipo de pesquisa.

O que testar: pergunta única, um toque só, envio logo após a resolução, texto que diga de qual atendimento se trata e nenhuma pesquisa para quem tem outro caso aberto. Mude um item por vez, com grupos comparáveis. Se um formato aumenta a resposta e derruba a nota, isso pode ser boa notícia, porque a amostra talvez esteja mais perto da base real.

Controle a frequência. Defina um intervalo mínimo entre pesquisas para o mesmo cliente e no máximo um lembrete. A política do WhatsApp liga mensagem indesejada ao risco de bloqueio, e a pesquisa também é uma mensagem que entra na conta: desde 1º de outubro de 2026, a Meta voltou a cobrar mensagem de serviço acima de uma franquia mensal por número.

Como agir na nota baixa: fechar o ciclo e dar retorno em prazo

Fechar o ciclo é avisar o cliente de que a opinião foi ouvida e levar o caso para dentro da empresa. Em artigo de 2012, Markey e Reichheld, da Bain, citam a Charles Schwab e a divisão de varejo da Apple entre as que miram responder em 24 horas à nota negativa. O prazo da sua empresa é decisão sua, desde que exista e seja cumprido.

Um processo simples tem cinco passos. A nota 1 ou 2 gera um alerta. O caso ganha um dono, de preferência o supervisor de quem atendeu. O dono lê a conversa antes de falar com o cliente. O retorno sai dentro do prazo. E o motivo fica registrado numa lista curta: atraso, produto, informação errada, demora na resposta, atitude.

No WhatsApp, a resposta do cliente reabre a janela, então o retorno pode sair como mensagem de serviço nas 24 horas seguintes. Depois disso, só com template, sujeito às regras de categoria. Por isso, o prazo interno para nota baixa deve ser menor que a janela, e a fila precisa mostrar o relógio desses casos.

O retorno funciona quando é curto e concreto: “Oi, {{nome}}, aqui é {{supervisor}}. Li a sua conversa sobre {{assunto}} e vi que {{problema}}. Já fiz {{ação}}. Isso resolve para você?” Sem justificativa longa, sem pedir nova nota e sem oferta automática. Compensação é decisão do caso. Se virar gatilho da nota, o cliente aprende a dar nota baixa.

O retorno resolve uma pessoa, e a lista de motivos resolve a causa. Uma vez por mês, leve os motivos que mais pesam para quem pode mudar: logística, produto, financeiro. Registre o que mudou e veja se a nota daquele motivo se move nos meses seguintes.

Cuidado ao usar a nota alta. Mandar só quem deu 5 para avaliar no Google é o chamado filtro de avaliações. A política de conteúdo do Google Maps proíbe pedir seletivamente avaliação positiva, desencorajar a negativa e oferecer incentivo em troca de avaliação. Se quiser avaliação pública, peça a todos, sem depender da nota.

Como acompanhar o CSAT por atendente e por canal sem virar punição

Com poucas respostas, a nota individual é ruído. Pela aproximação normal, a margem de erro de uma proporção é 1,96 × √(p × (1 − p) ÷ n). Com CSAT de 80%, dá cerca de 17,5 pontos com 20 respostas, 7,8 com 100 e 3,9 com 400. E essa conta supõe amostra aleatória, o que pesquisa voluntária não é. O manual de estatística do NIST avisa que, em amostra pequena, ela pode ser imprecisa.

Logo, um atendente com 85% e outro com 75%, com 20 respostas cada, podem estar empatados. Não ranqueie por semana e não mostre placar público. Junte um período longo, coloque o número de respostas ao lado da nota e olhe a tendência. A própria Bain escreve que o objetivo principal desse ciclo “não é ranquear funcionários”.

Separe o que a pessoa controla. Nota baixa por atraso da transportadora ou por política de reembolso fala do processo, e não de quem atendeu. Marque o motivo antes de atribuir a nota, e defina quem leva a nota da conversa transferida. A lei espanhola pede essa separação: o sistema deve identificar se a insatisfação vem da prestação do serviço ou do atendimento.

Use a nota para treinar. Leia com o atendente três conversas: uma boa, uma ruim e uma surpreendente. Evite bônus ligado à nota individual. No Net Promoter 3.0, os autores contam que atrelar a nota ao bônus da linha de frente fez a equipe cuidar mais da nota do que do cliente. Se a empresa quer premiar, use metas de equipe e combine CSAT, FCR e reabertura.

Por canal, a comparação só vale com a mesma escala e o mesmo momento, e o corte por motivo vem antes do corte por canal. Quando a IA atende primeiro, separe as conversas resolvidas pela IA, as transferidas e as que só tiveram pessoas. Todo agente deve se apresentar como IA no primeiro contato, para a nota não medir um engano.

Na CCX Messages, o inbox junta os canais numa fila só e, nos números com o agente de IA ligado, a conversa resolvida recebe uma pesquisa de satisfação de um clique. O painel traz a parte operacional: SLA em risco, tempo de resposta mediano, fila sem responsável, filtro por atendente e exportação em XLSX. A aba Flows do Contato 360 mostra as respostas dos formulários, e a página do time de suporte mostra como isso se organiza.