# Análise Nicho 5 — SDR Inbound 24/7 & Dossiê Pré-Reunião para Vendas Consultivas B2B

## 1. Veredito

A "solução única" (SDR autônomo + enriquecedor/dossiê 1-click num produto só) **não se sustenta**: o título junta dois produtos com usuário, gatilho, canal e SLA diferentes — um agente conversacional que atende o lead externo em segundos no WhatsApp, e uma máquina de pesquisa/enriquecimento que serve o vendedor interno antes da reunião. Nenhum dos 13 canvases FIT pede os dois ao mesmo tempo, e cada metade é vendável sozinha; devem ser **apps separados** (confirmação explícita da suspeita do lead).

Além dos dois, o grupo revela mais dois produtos legítimos e distintos que o título não cobre: um **radar de sinais/oportunidades** em fontes públicas (notícias, legislação, editais, diários) e um **motor de priorização/scoring** da base já existente (histórico do CRM, potencial de carteira, roteiro de visita). Dos 34 canvases: 13 FIT, 8 adjacentes, 5 de outros nichos, 8 ruído de regex, 0 excluídos.

## 2. Contagens

| Categoria | Qtde | Índices |
|---|---|---|
| FIT | 13 | 1, 3, 4, 5, 9, 10, 14, 16, 17, 19, 25, 27, 33 |
| ADJACENTE | 8 | 0, 2, 7, 8, 20, 22, 23, 24 |
| OUTRO_NICHO | 5 | 12→1, 18→20, 21→4, 26→13, 29→17 |
| RUIDO | 8 | 6, 11, 13, 15, 28, 30, 31, 32 |
| EXCLUIR | 0 | — |

Duplicatas notadas: [31] e [32] são o mesmo texto do mesmo autor (FMX, ambos ruído); [19] e [33] são a mesma autora/empresa (Jessica Perez) com o mesmo problema; [1], [2] e [3] são o mesmo autor (Fmlencek) com três recortes diferentes — [1] e [3] pedem dossiê/account plan, [2] pede score de maturidade, então o autor entra em dois apps distintos mas conta como **uma empresa** em cada.

## 3. Por que SDR e Dossiê são apps separados

| Eixo | SDR Inbound | Inteligência de Contas & Dossiê |
|---|---|---|
| Quem usa | lead externo (o agente fala com ele) | vendedor/SDR interno (consome relatório) |
| Gatilho | mensagem chegando (evento) | reunião marcada / lista de contas (batch ou 1-click) |
| SLA | segundos a minutos, senão o lead esfria | minutos a horas |
| Canal | WhatsApp/Instagram/site | web + CRM + e-mail |
| Dado central | conversa, intenção, catálogo/objeções (RAG) | firmográficos, decisores, notícias, site do lead |
| Falha típica | responder errado ao cliente (risco de marca) | dado desatualizado/alucinado no dossiê |
| Compra isolada? | sim — quem tem tráfego pago e ninguém pra responder | sim — quem tem lista mas perde 50% do tempo pesquisando |

Eles se compõem depois por contrato: o dossiê enriquece o lead que o SDR qualificou (`account-dossier`), e o SDR devolve o resultado da qualificação (`lead-qualification-event`). Nenhum precisa do outro para funcionar.

---

## App 1 — `sdr-inbound-conversacional`

**Nome:** SDR Inbound Conversacional 24/7

**Dor:** lead de campanha, site ou Instagram chega fora do horário ou em volume acima da capacidade do time; ninguém responde nos primeiros minutos, o lead esfria e a conversão de campanha paga fica perto de zero. Quando alguém responde, a qualificação é inconsistente e o closer recebe lead cru.

**Canvases:** [4] (primeiro atendimento inbound, direcionamento funil A/B), [5] (volume de leads WhatsApp/Insta/marketplace, vendedoras sobrecarregadas), [16] (campanhas Meta com conversão nula, chatbot em tempo real), [17] (baixa conversão dos leads de marketing, agente 24h de recepção), [25] (chatbot que guia o lead pelo processo até a conversão), [27] (agente de IA para ser o SDR). — 6 canvases, 6 empresas.

**MVP:**
1. Webhook multicanal (WhatsApp via Evolution/ChatVolt + formulário do site + DM Instagram) com resposta em < 60s, 24/7.
2. Roteiro de qualificação configurável por cliente (framework tipo BANT/GPCT em config, não em código) com slot-filling conversacional.
3. RAG embutido próprio sobre catálogo, condições comerciais e objeções frequentes do cliente (ingestão + pgvector do próprio app, seguindo `knowledge-schema`).
4. Classificação de intenção e roteamento para funil/vendedor certo (ex.: atacado vs varejo, produto A vs B) com motivo explícito.
5. Agendamento da reunião com o closer (link de agenda) direto na conversa.
6. Transbordo para humano com resumo do que já foi coletado, quando o lead pede ou o roteiro trava.
7. Painel de leads qualificados com transcrição, score do roteiro e próximo passo.
8. Escrita do lead qualificado no CRM do cliente (Pipedrive/HubSpot/RD) via API.

**Fora do MVP:** disparo outbound em massa / cold outreach; negociação de preço e fechamento; voz/telefonia; construção da lista de leads (isso é o App 2); modelo preditivo de conversão (App 4); pós-venda e suporte.

**Contratos:** emite `conversation-log`, `handoff-event`, `lead-qualification-event`. Consome `knowledge-schema`, `account-dossier` (opcional — se existir, personaliza a abordagem), `customer-360-read` (opcional — reconhecer cliente já existente).

**Stack:** n8n (orquestração) + Evolution/ChatVolt (WhatsApp) + Supabase/pgvector (catálogo e objeções) + Claude (conversa e classificação) + Lovable (painel de leads e fila de transbordo).

---

## App 2 — `account-intelligence-dossie`

**Nome:** Inteligência de Contas B2B (ICP, enriquecimento e dossiê pré-reunião)

**Dor:** o executivo gasta metade (às vezes 90%) do tempo garimpando LinkedIn, Receita, site e notícias para saber com quem falar, o que a empresa faz e por onde entrar. As listas que existem vêm com contato inválido, porte errado e sem aderência ao ICP; o account plan, quando é feito, é artesanal e não escala.

**Canvases:** [1] (mapear stakeholders e montar account plan; 90% do tempo em pesquisa web), [3] (mesmo autor: reduzir tempo de mapear decisores e montar account plan via agentes de pesquisa), [9] (plataforma de prospecção B2B com enriquecimento por fontes oficiais e export para CRM), [10] (base de leads sem dados de contato qualificados), [14] (encontrar perfis no LinkedIn/Instagram a partir de um ICP definido), [19] (insumos de vendas com porte inadequado e telefone sem efetividade; cruzar CNAE/faturamento/segmento), [33] (mesma empresa de [19]: qualificação de contato e aderência de perfil). — 7 canvases, 5 empresas.

**MVP:**
1. Definição de ICP em config (CNAE, porte, faturamento, região, tecnologia, palavra-chave do site) e busca de contas que batem com o perfil.
2. Enriquecimento firmográfico por fontes oficiais/licenciadas (ReceitaWS/BrasilAPI para CNPJ, sócios e CNAE; provedor de contatos B2B) com carimbo de fonte e data em cada campo.
3. Raspagem do site e de notícias recentes da conta (Firecrawl) resumida em "o que essa empresa faz / mudou nos últimos 90 dias".
4. Mapa de decisores por conta: cargo, área, papel na decisão (decisor/influenciador/usuário) e caminho de aproximação.
5. Dossiê pré-reunião 1-click: resumo executivo, 3 ganchos comerciais, riscos/objeções prováveis e perguntas de descoberta, sempre com link da fonte de cada afirmação.
6. Deduplicação e higiene de lista (mesmo CNPJ/domínio, contato inválido, conta já na carteira).
7. Export para CRM/planilha e entrega do dossiê por e-mail/Slack na véspera da reunião (integração com agenda).
8. Marcação explícita de "não encontrado" em vez de preencher lacuna com inferência do modelo.

**Fora do MVP:** disparo de cadência/cold e-mail em massa e automação de convite no LinkedIn (risco de spam e de ToS — o app entrega a lista, o disparo é do cliente); scraping de dado pessoal fora de fonte pública/licenciada; conversa com o lead (App 1); modelo preditivo de fechamento (App 4); monitoramento contínuo de gatilhos (App 3).

**Contratos:** emite `account-dossier`. Consome `customer-360-read` (evitar prospectar quem já é cliente), `opportunity-signal` (opcional — se houver radar, dossiê já nasce com o gatilho), `lead-qualification-event` (opcional — enriquecer o lead que o SDR qualificou).

**Stack:** n8n + Supabase/Postgres (contas, contatos, proveniência) + ReceitaWS/BrasilAPI + provedor B2B (Apollo ou equivalente licenciado) + Firecrawl + Claude (síntese do dossiê) + Lovable (kanban de contas e visualização do dossiê).

---

## App 3 — `radar-oportunidades`

**Nome:** Radar de Sinais e Oportunidades de Mercado

**Dor:** a oportunidade existe antes do lead — sai uma norma, um edital, um julgado, um investimento, uma mudança na vertical — mas hoje isso chega por acaso (alguém leu uma notícia, dois sócios conversaram). Não há fluxo para captar, priorizar, virar campanha e medir. O time comercial atua reativo.

**Canvases:** [7] (escritório sem processo de inteligência de mercado: notícias, legislação, STF/STJ, diários oficiais, editais → oportunidade priorizada e campanha), [20] (inteligência comercial sobre órgãos públicos com evidência pública verificável para abrir conversa), [22] (pré-vendas reativa; identificar oportunidades proativas por vertical e antecipar demanda). — 3 canvases, 3 empresas.

**MVP:**
1. Registro de fontes monitoradas por cliente (RSS/portais de notícia, diários oficiais, portais de compras públicas, sites de associações, blogs setoriais) com varredura agendada.
2. Filtro de relevância em duas etapas: regra/keyword do cliente + classificador LLM contra a tese comercial descrita em config.
3. Deduplicação semântica (mesma notícia em cinco veículos vira um sinal) com pgvector próprio.
4. Ficha do sinal: o que aconteceu, quem é afetado (empresa/órgão/setor), por que é oportunidade para este cliente, urgência e link da evidência.
5. Vínculo do sinal à conta quando identificável (CNPJ/nome) e à vertical quando não.
6. Digest priorizado por e-mail/Slack na frequência escolhida, com feedback "relevante / não relevante" que ajusta o filtro.
7. Backlog de oportunidades com status (nova, em abordagem, descartada) e motivo do descarte.

**Fora do MVP:** execução da campanha (disparo, peças, mídia); parecer jurídico ou interpretação vinculante de norma — o radar aponta e cita, quem interpreta é o profissional; captura de fonte que exige login/paywall; previsão de valor de contrato.

**Contratos:** emite `opportunity-signal`. Consome `account-dossier` (opcional — casar sinal com conta enriquecida), `customer-360-read` (opcional — separar sinal de cliente atual vs prospect).

**Stack:** n8n (schedulers e coletores) + Supabase/pgvector (sinais, embeddings, dedup) + Claude (classificação e ficha do sinal) + Lovable (backlog de oportunidades) + Slack/e-mail para o digest.

---

## App 4 — `priorizacao-carteira`

**Nome:** Motor de Priorização e Scoring de Contas

**Dor:** o dado já está no CRM/ERP, mas ninguém sabe em qual lead ou cliente atacar primeiro. O time trabalha na ordem de chegada, visita quem não tem perfil (ou nem tem o equipamento que a gente atende), e descobre tarde que o lead não estava maduro. O ciclo passa de seis meses e a conversão fica abaixo de 20%.

**Canvases:** [0] (que variável a mais no volume de dados influencia a qualidade do lead; classificação com histórico), [2] (classificar leads por maturidade de compra, probabilidade > 50% de fechar em 3 meses), [8] (leads de eventos/feiras sem priorização; lead scoring e acompanhamento), [23] (visitas comerciais improdutivas; aprender padrões de visita que converteu), [24] (30% das visitas são aleatórias — cliente nem tem balança; priorizar base por potencial e sugerir roteiro). — 5 canvases, 5 empresas.

**MVP:**
1. Ingestão do histórico do cliente (CRM/ERP/planilha): contas, oportunidades ganhas/perdidas, atividades e resultado.
2. Score em duas camadas: **fit** (quanto a conta se parece com quem já fechou) e **timing/engajamento** (recência e intensidade de interação), separados e explicáveis.
3. Partida a frio por regras de ICP quando não há histórico suficiente, migrando para modelo estatístico quando houver volume.
4. Explicação por conta: os 3 fatores que mais pesaram para cima e para baixo — sem isso o vendedor não confia no score.
5. Fila priorizada por vendedor/carteira, com limite diário e motivo do topo da lista.
6. Backtest do score contra o histórico (o quinto superior converteu quanto mais que o inferior?) exibido no painel — o app precisa provar que funciona antes de o time obedecer.
7. Recalculo agendado e escrita do score de volta no CRM.
8. Registro de resultado da abordagem para realimentar o modelo.

**Fora do MVP:** roteirização geográfica de visitas (rota otimizada) — entra na v2, o MVP entrega a lista priorizada e o motivo; previsão de receita/forecast para diretoria (nicho 13); conversa com o cliente; enriquecimento externo de dados (isso é o App 2, consumido via contrato).

**Contratos:** emite `lead-qualification-event` (score e prioridade da conta). Consome `customer-360-read`, `account-dossier` (opcional — firmográficos como feature), `opportunity-signal` (opcional — sinal recente como feature de timing), `conversation-log` (opcional — engajamento no canal).

**Stack:** Supabase/Postgres (histórico e features) + n8n (ingestão e recalculo agendado) + serviço Python leve para o modelo (regressão logística / gradient boosting; nada de deep learning no MVP) + Claude para a explicação em linguagem natural + Lovable ou Metabase para a fila e o backtest.

---

## 4. Contratos usados

Padrão da casa já existente: `knowledge-schema`, `conversation-log`, `handoff-event`, `customer-360-read`.

Novos contratos propostos por este nicho:

- **`account-dossier`** — perfil enriquecido de uma conta: identificador (CNPJ/domínio), firmográficos com fonte e data por campo, decisores com papel na decisão, resumo do negócio, eventos recentes, ganchos comerciais e lacunas explicitamente marcadas como não encontradas. Emitido pelo App 2.
- **`lead-qualification-event`** — resultado de qualificação de um lead/conta: identificador, origem, score ou estágio, motivo legível, próximo passo recomendado, responsável e timestamp. Emitido pelos Apps 1 e 4 (o mesmo formato serve para qualificação conversacional e para scoring de base).
- **`opportunity-signal`** — sinal externo detectado: tipo de gatilho, fonte com URL, data, conta ou vertical afetada, resumo, urgência e evidência citável. Emitido pelo App 3.

## 5. Reclassificações e descartes

- **[12] → nicho 1** — estudo de viabilidade de exportação; a dor real é consultar dezenas de sistemas e repositórios dependendo de pessoas, ou seja, concierge de dados multi-sistemas, não prospecção.
- **[18] → nicho 20** — estratégia de marketing não atinge o público-alvo; é ICP/tráfego pago e geração de conteúdo.
- **[21] → nicho 4** — excesso de leads de cozinha planejada supera os projetistas; o que se pede é um configurador que gera projeto/orçamento, não qualificação.
- **[26] → nicho 13** — medir produtividade de um time de pré-vendas é cockpit/relatório gerencial.
- **[29] → nicho 17** — atrair revendedoras e garantir **frequência de compra**; o núcleo é retenção/expansão da base.

Ruído (dor comercial genérica capturada pelo regex, sem mecanismo nem recorte acionável): [6] conversão caiu na venda de franquias, sem solução nem recorte; [11] encalhe de inventário de mídia em TV local — produto de yield/pricing publicitário sem par no grupo; [13] "baixa conversão de leads em empreendimento imobiliário" com solução literalmente igual a "mandar um prompt pedindo alternativas"; [15] "perdemos tempo com rotinas operacionais" abrangendo prospecção, marketing e atendimento ao mesmo tempo; [28] e [30] "não batemos meta / falta de vendas"; [31] e [32] (duplicata) tese de transformação do modelo de negócio inteiro da FMX pela IA.

Nenhum canvas foi excluído por risco — o grupo não tem saúde, decisão médica nem jurídica vinculante. Vale a nota de compliance mesmo assim: os Apps 1 e 2 tocam dado pessoal de contato, então consentimento, base legal LGPD, opt-out e proveniência de fonte são requisito de MVP, não de v2.

## RESUMO JSON
```json
{
  "group_ids": [5],
  "apps": [
    {"id": "sdr-inbound-conversacional", "nome": "SDR Inbound Conversacional 24/7", "dor": "Lead de campanha/site/Instagram chega fora do horário ou em volume acima da capacidade; ninguém responde nos primeiros minutos, o lead esfria e a qualificação é inconsistente", "canvases_indices": [4,5,16,17,25,27], "n_canvases": 6, "n_empresas": 6, "funcionalidades_mvp": ["Webhook multicanal (WhatsApp/site/Instagram) com resposta em <60s, 24/7", "Roteiro de qualificação configurável por cliente com slot-filling", "RAG embutido próprio de catálogo, condições e objeções (pgvector do app)", "Classificação de intenção e roteamento para funil/vendedor certo com motivo", "Agendamento da reunião com o closer dentro da conversa", "Transbordo para humano com resumo do que já foi coletado", "Painel de leads qualificados com transcrição e próximo passo", "Escrita do lead qualificado no CRM do cliente via API"], "fora_mvp": ["disparo outbound em massa", "negociação de preço e fechamento", "voz/telefonia", "construção da lista de leads", "modelo preditivo de conversão", "pós-venda e suporte"], "contratos_emite": ["conversation-log", "handoff-event", "lead-qualification-event"], "contratos_consome": ["knowledge-schema", "account-dossier", "customer-360-read"]},
    {"id": "account-intelligence-dossie", "nome": "Inteligência de Contas B2B (ICP, enriquecimento e dossiê pré-reunião)", "dor": "Executivo gasta 50-90% do tempo pesquisando LinkedIn, Receita, site e notícias; listas chegam com contato inválido, porte errado e sem aderência ao ICP, e o account plan é artesanal", "canvases_indices": [1,3,9,10,14,19,33], "n_canvases": 7, "n_empresas": 5, "funcionalidades_mvp": ["ICP em config (CNAE, porte, faturamento, região, keyword de site) e busca de contas aderentes", "Enriquecimento firmográfico por fontes oficiais/licenciadas com fonte e data por campo", "Raspagem de site e notícias recentes da conta resumidas em mudanças dos últimos 90 dias", "Mapa de decisores com papel na decisão e caminho de aproximação", "Dossiê pré-reunião 1-click: resumo, 3 ganchos, objeções prováveis e perguntas de descoberta, com link de fonte", "Deduplicação e higiene de lista (CNPJ/domínio, contato inválido, conta já na carteira)", "Export para CRM/planilha e entrega do dossiê por e-mail/Slack na véspera da reunião", "Marcação explícita de campo não encontrado em vez de inferência do modelo"], "fora_mvp": ["cadência de cold e-mail e automação de LinkedIn em massa", "scraping de dado pessoal fora de fonte pública/licenciada", "conversa com o lead", "modelo preditivo de fechamento", "monitoramento contínuo de gatilhos"], "contratos_emite": ["account-dossier"], "contratos_consome": ["customer-360-read", "opportunity-signal", "lead-qualification-event"]},
    {"id": "radar-oportunidades", "nome": "Radar de Sinais e Oportunidades de Mercado", "dor": "Oportunidades nascem de eventos externos (norma, edital, julgado, notícia, movimento setorial) que hoje chegam por acaso; não há fluxo para captar, priorizar e acompanhar, e o time atua reativo", "canvases_indices": [7,20,22], "n_canvases": 3, "n_empresas": 3, "funcionalidades_mvp": ["Cadastro de fontes monitoradas por cliente com varredura agendada", "Filtro de relevância em duas etapas: regra/keyword + classificador LLM contra a tese comercial em config", "Deduplicação semântica de notícias repetidas com pgvector próprio", "Ficha do sinal: o que houve, quem é afetado, por que é oportunidade, urgência e link da evidência", "Vínculo do sinal à conta quando identificável e à vertical quando não", "Digest priorizado por e-mail/Slack com feedback relevante/não relevante que ajusta o filtro", "Backlog de oportunidades com status e motivo de descarte"], "fora_mvp": ["execução da campanha (disparo, peças, mídia)", "parecer jurídico ou interpretação vinculante de norma", "fontes com login/paywall", "previsão de valor de contrato"], "contratos_emite": ["opportunity-signal"], "contratos_consome": ["account-dossier", "customer-360-read"]},
    {"id": "priorizacao-carteira", "nome": "Motor de Priorização e Scoring de Contas", "dor": "O dado já está no CRM/ERP mas ninguém sabe em qual lead ou cliente atacar primeiro; time trabalha por ordem de chegada, visita quem não tem perfil e descobre tarde que o lead não estava maduro", "canvases_indices": [0,2,8,23,24], "n_canvases": 5, "n_empresas": 5, "funcionalidades_mvp": ["Ingestão do histórico do cliente (CRM/ERP/planilha) com ganhos, perdas e atividades", "Score em duas camadas separadas e explicáveis: fit e timing/engajamento", "Partida a frio por regras de ICP quando não há histórico, migrando para modelo estatístico com volume", "Explicação por conta com os 3 fatores de maior peso para cima e para baixo", "Fila priorizada por vendedor/carteira com limite diário e motivo do topo", "Backtest do score contra o histórico exibido no painel", "Recalculo agendado e escrita do score de volta no CRM", "Registro do resultado da abordagem para realimentar o modelo"], "fora_mvp": ["roteirização geográfica otimizada de visitas", "forecast de receita para diretoria", "conversa com o cliente", "enriquecimento externo de dados"], "contratos_emite": ["lead-qualification-event"], "contratos_consome": ["customer-360-read", "account-dossier", "opportunity-signal", "conversation-log"]}
  ],
  "reclassificacoes": [
    {"indices": [12], "destino_nicho": 1},
    {"indices": [18], "destino_nicho": 20},
    {"indices": [21], "destino_nicho": 4},
    {"indices": [26], "destino_nicho": 13},
    {"indices": [29], "destino_nicho": 17}
  ],
  "ruido": [6,11,13,15,28,30,31,32],
  "excluir": []
}
```