Pular para o conteúdo
Scorecard interativo gratuito — 2 minutos

Quão bom é o seu setup de AMD?

Responda a 7 perguntas rápidas sobre como a sua equipe de outbound detecta caixas postais hoje. Receba uma pontuação de maturidade na hora e veja exatamente onde estão surgindo falsos positivos e tempo de conversa desperdiçado. Nada é enviado a lugar nenhum — tudo roda no seu navegador.

Resposta rápida

O que torna a detecção de caixa postal precisa? Os melhores setups de AMD usam classificação por IA baseada em transcrição em vez de detecção de bipe, modelos com reconhecimento de idioma para cada mercado em que você liga, um ciclo de feedback em que as correções dos agentes melhoram a detecção ao longo do tempo, um recurso para o agente recuperar pessoas reais classificadas incorretamente, ajuste por operadora, taxas de falso positivo medidas e pulo automático das caixas postais confirmadas. Este scorecard gratuito avalia o seu setup nessas sete dimensões.

1 Como o seu discador atual detecta caixas postais?
2 A sua detecção reconhece os idiomas em que você liga?
3 Quando um agente marca uma detecção como errada, o seu sistema aprende com isso?
4 Se uma pessoa real for classificada como máquina, o agente consegue recuperar a ligação?
5 A detecção é ajustada para as suas operadoras e regiões específicas?
6 Vocês medem as taxas de falso positivo e falso negativo?
7 Como vocês tratam as ligações confirmadas como caixa postal?

Sua pontuação de maturidade em AMD

0/100
Responda às perguntas

0 de 7 respondidas

Esta é uma autoavaliação ilustrativa para ajudar você a refletir sobre o seu setup atual — não é uma medição da precisão de nenhum produto específico nem uma garantia de resultados. A precisão do AMD em produção depende da qualidade do áudio, do comportamento da operadora, da qualidade da lista, do mix de idiomas e da configuração. Veja nossa metodologia de benchmark para saber como medimos a detecção.

Perguntas frequentes

Perguntas sobre detecção de caixa postal

Qual é uma boa taxa de falso positivo no AMD?
Um falso positivo é uma pessoa real classificada por engano como máquina e derrubada — o erro de AMD mais caro, porque descarta uma conversa real. As equipes geralmente buscam manter os falsos positivos baixos sem deixar passar caixas postais; o equilíbrio certo depende do tipo de campanha e de quanto custa perder um contato com uma pessoa real. O essencial é medir, em vez de chutar.
Por que a detecção de bipe tem dificuldade com idiomas diferentes?
A detecção de bipe e de tom depende de sinais acústicos que variam muito conforme a operadora, o sotaque e o sistema de caixa postal, por isso falha em ligações que não são em inglês e em saudações incomuns. A classificação baseada em transcrição lê as primeiras palavras, e o significado se generaliza entre idiomas muito melhor do que os bipes — por isso os modelos com reconhecimento de idioma tendem a ser mais robustos em mercados multilíngues.
Como o feedback dos agentes pode melhorar a precisão do AMD?
Quando um agente marca uma detecção como errada, essa correção pode alimentar um ajuste por tenant, para que o modelo se adapte às suas operadoras, regiões e tipos de campanha ao longo do tempo. Um modelo estático que nunca recebe o feedback dos agentes não consegue melhorar, e é por isso que um ciclo de feedback é um dos sinais mais fortes de um setup de AMD maduro.
Este scorecard armazena as minhas respostas?
Não. A avaliação roda inteiramente no seu navegador e nada é enviado nem armazenado. Sua pontuação e as recomendações são calculadas localmente à medida que você responde.
Ver o site completo em inglês →