A régua falava uma coisa. A plataforma pedia outra.
O projeto começou com um escopo aparentemente delimitado: revisar duas réguas centrais, uma ligada a pagamento e outra a documentação. O diagnóstico mostrou algo maior. O problema não estava restrito a peças ou sequências de mensagem. O problema estava no encadeamento da experiência.
Em um ponto da jornada, o sistema exigia pagamento antes da documentação. Em outro, marketing e call center induziam o caminho inverso. O candidato avançava por um fluxo e era interrompido por outro. Essa contradição reduzia confiança, gerava abandono e comprometia a eficiência de toda a operação de captação.
O impacto era direto. A baixa conversão enfraquecia a previsibilidade de receita e transformava investimento em mídia, CRM e atendimento em esforço desproporcional ao resultado. O risco não era apenas perder eficiência operacional. Era deixar a principal métrica da operação vulnerável no momento mais crítico do ciclo.
Primeiro veio a leitura da fricção. Depois, a reconstrução do percurso.
A resposta não foi ampliar o volume de comunicação. Foi reorganizar a lógica da jornada.
A MATH aplicou o framework Journey Lab para investigar o funil com uma abordagem combinada de PDCA, Lean UX e Double Diamond. Em vez de partir da suposição de que a régua estava errada, o trabalho observou como o candidato se movia, onde travava e em que ponto a experiência deixava de ser coerente.
Essa leitura uniu duas camadas. A primeira foi quantitativa, com análise de dashboards, peças, atividades, conversão por etapa e comportamento ao longo do fluxo. A segunda foi qualitativa, com cliente oculto, entrevistas e análise detalhada da jornada real. O objetivo não era apenas medir queda. Era entender a origem da queda.
A partir daí, a operação ganhou uma nova lógica de decisão. O time passou a testar hipóteses, mensurar impacto e priorizar melhorias com maior efeito marginal sobre matrícula. Modelos estatísticos, incluindo Naive Bayes adaptado para CRO em e-mail marketing, apoiaram a identificação de padrões mais promissores e a ordenação de mudanças com maior chance de retorno.
A implementação respeitou a estrutura já existente do cliente. A configuração do Salesforce Marketing Cloud foi ajustada em conjunto, preservando controle operacional, viabilidade técnica e capacidade de continuidade sem inflar escopo ou dependência externa. O projeto também estabeleceu uma métrica principal clara: conversão em matrícula. Tudo passou a responder a ela.
O ganho veio quando a operação parou de tratar comunicação, plataforma e atendimento como peças separadas do problema.
A matrícula voltou a responder ao esforço da operação
O primeiro resultado foi financeiro. Em apenas 3 meses, a nova jornada gerou R$ 1.567.722 em receita incremental. O mais relevante é que a receita continuou entrando mesmo após o encerramento formal do projeto, sinal de que o ajuste não foi episódico. Foi estrutural.
O segundo resultado apareceu na conversão. O número de candidatos que efetivamente avançaram para matrícula cresceu 361% em relação à régua anterior. Mesmo quando comparada a ciclos passados, a operação ficou 15% acima da média histórica.
O terceiro resultado foi posição competitiva dentro do próprio grupo. No período analisado, essa foi a única marca a bater a meta de captação, o que reforça que o projeto não melhorou apenas indicadores locais. Ele mudou a capacidade de entrega da operação em um contexto de pressão real por resultado.
O quarto resultado foi replicabilidade. O modelo validado saiu do piloto e foi levado para a maior marca do grupo, mostrando que a solução não dependia de um contexto isolado. Ela tinha força para ser absorvida em escala maior.
