Experiência do Usuário (CX): por que ela virou o coração do marketing na era da IA
Igor M.
6/25/20266 min read
UX e CX: parecidos, mas não iguais
Segundo a Nielsen Norman Group — fundada por Don Norman, o criador do termo UX nos anos 1990 — a User Experience descreve todas as dimensões da interação de uma pessoa com um produto, serviço ou empresa em um ponto de contato específico, normalmente digital: um app, um site, um totem de autoatendimento. Já o conceito de Customer Experience, consolidado por consultorias como a Forrester, é mais amplo: trata-se de como o cliente percebe todas as suas interações com uma marca ao longo da jornada completa, dentro e fora do digital — do anúncio que ele viu, ao atendimento por telefone, à entrega do produto e ao pós-venda.
Em outras palavras: a UX é uma peça importante dentro do quebra-cabeça maior que é a CX. Um app lindo e fácil de usar (boa UX) não salva uma marca se o SAC for péssimo ou se a entrega atrasar sem aviso (CX ruim).
E por que isso importa tanto para quem faz marketing e publicidade? Porque, hoje, a experiência é a propaganda. Antes de qualquer peça publicitária, é a experiência vivida — e compartilhada — que define se um consumidor vai confiar ou não na marca.
Os números que comprovam isso
A pesquisa 2025 Customer Experience Survey, da PwC, com mais de 5.500 consumidores e 400 executivos nos EUA, mostra um dado alarmante: 52% dos consumidores afirmam já ter deixado de comprar de uma marca depois de uma experiência ruim com o produto, e 29% abandonaram a marca especificamente por causa de um mau atendimento, online ou presencial. O mesmo estudo revela uma desconexão perigosa entre quem decide e quem compra: cerca de 9 em cada 10 executivos acreditam que a fidelidade dos seus clientes aumentou nos últimos anos, mas apenas 4 em cada 10 consumidores concordam com essa percepção.
Outros números reforçam o tamanho do problema e da oportunidade:
A consultoria Forrester estima que empresas dispostas a alinhar experiência do cliente e experiência de marca podem multiplicar em até 3,5 vezes o crescimento de receita.
Segundo a Qualtrics XM Institute, experiências ruins custam cerca de US$ 3,7 trilhões por ano à economia global.
A Zendesk aponta, no seu relatório CX Trends 2026, que 74% dos consumidores já esperam atendimento disponível 24 horas por dia, e 88% esperam respostas mais rápidas do que esperavam apenas um ano antes.
Pelo lado da Inteligência Artificial, a Salesforce projeta que, até 2027, 50% dos casos de atendimento serão resolvidos por IA — contra 30% em 2025 —, e que uma interação automatizada custa em média US$ 0,50, frente a cerca de US$ 6,00 de uma interação feita por um atendente humano.
A IA, portanto, não é mais um diferencial: é infraestrutura básica de CX. Mas — e esse "mas" é importante — a própria pesquisa da PwC mostra que 58% dos consumidores ainda se sentem pouco confortáveis usando ferramentas de IA para interagir com marcas, e 86% consideram a interação humana essencial na experiência. A lição para quem planeja campanhas e jornadas: automatizar sim, mas sem desumanizar.
Casos reais: o problema, a solução e o resultado
Teoria e estatística ajudam a entender o tamanho do desafio, mas é nos cases que a transformação fica concreta. Veja quatro situações reais — com problema, solução aplicada e resultado mensurado.
1. Magazine Luiza — fragmentação entre loja física e digital
O problema: a varejista brasileira lidava com um desafio clássico do omnichannel: como manter consistência de informação e agilidade de resposta entre milhares de produtos e promoções, integrando o atendimento físico ao digital, sem gerar fricção para o cliente.
A solução: a criação da "Lu", assistente virtual que combina machine learning, processamento de linguagem natural e análise de dados para entender o contexto de cada pergunta. A Lu se tornou, ao longo dos anos, praticamente o rosto da marca na internet — hoje é referência de uso de IA generativa em e-commerce no Brasil.
O resultado: segundo a Hubina, a iniciativa entregou ganhos consistentes de eficiência no atendimento e contribuiu para que a Lu se consolidasse como um dos maiores fenômenos de marketing de influência digital do varejo nacional, mostrando como um problema operacional de CX pode se transformar em ativo de marca e de publicidade.
2. Itaú Unibanco — escalar personalização sem perder humanização
O problema: alto volume de interações diárias e produtos financeiros complexos tornavam inviável escalar o atendimento tradicional sem comprometer a qualidade da experiência.
A solução: o banco construiu um ecossistema de IA com a assistente virtual "Bia" nos canais digitais, reconhecimento de voz na central telefônica e algoritmos preditivos para antecipar necessidades dos clientes, com investimento superior a R$ 300 milhões.
O resultado: de acordo com dados divulgados pelo próprio banco, a tecnologia reduziu em cerca de 30% o tempo de análise de crédito e aumentou em 25% a assertividade na detecção de fraudes — dois indicadores que impactam diretamente a confiança do cliente na marca.
3. Banco BMG — atrito identificado antes de se tornar crise
O problema: clientes insatisfeitos com cobranças ou produtos muitas vezes só "explodem" no momento do contato com o atendimento, gerando ações judiciais e desgaste de marca.
A solução: a instituição passou a usar IA generativa na URA (a unidade de resposta audível do telefone) para identificar, ainda na ligação, sinais de clientes propensos a litigar — encaminhando esses casos a atendentes preparados para lidar com alto atrito antes que o problema escalasse.
O resultado: aumento de 15 pontos no NPS (Net Promoter Score), métrica que mede a probabilidade de um cliente recomendar a marca — uma prova de que prevenção de crise é, também, uma estratégia de CX.
4. Sephora — Virtual Artist e o problema da baixa adoção
O problema: a Sephora havia lançado o Virtual Artist, recurso de realidade aumentada que permite "provar" maquiagens digitalmente pela câmera do celular. A ferramenta era inovadora, mas a maioria dos usuários do app nem sabia que ela existia — um clássico problema de UX descoberto, mas não comunicado.
A solução: em vez de campanhas genéricas, a marca segmentou precisamente quem havia visualizado produtos de maquiagem nos últimos 30 dias sem usar a ferramenta, e enviou, para esse público, notificações com um vídeo tutorial mostrando o recurso na prática — mantendo um grupo de controle de 20% para medir o real impacto da campanha.
O resultado: a ferramenta passou a ser usada por mais de 8,5 milhões de visitantes, com cerca de 200 milhões de tons de produtos testados virtualmente. O case mostra um ponto frequentemente esquecido em marketing: de nada serve investir em uma tecnologia de CX se a comunicação (publicidade, ainda que interna ao produto) não fizer o cliente descobri-la.
O que esses cases têm em comum
Olhando os quatro exemplos lado a lado, surge um padrão:
O problema nunca era "falta de tecnologia". Era fricção: informação fragmentada, atendimento lento, ferramenta escondida, atrito não identificado a tempo.
A IA funcionou como ponte, não como substituta do humano. Em todos os cases, a automação cuidou do volume e da repetição, liberando pessoas para os momentos que realmente exigem empatia e julgamento — exatamente o equilíbrio que a PwC recomenda em seu relatório, ao defender que a IA deve ser "invisível", apoiar a confiança e manter o elemento humano.
O resultado virou métrica de negócio, não só de satisfação. NPS, redução de tempo de análise, aumento de assertividade contra fraude, volume de uso — todos esses indicadores se conectam direto à receita e à reputação da marca, que é, no fim das contas, o que toda campanha publicitária tenta proteger e construir.
O que isso significa para quem trabalha com marketing e publicidade
Se a experiência é a nova propaganda, alguns pontos práticos valem para qualquer profissional da área:
Mapeie a jornada antes de criar a campanha. Uma peça publicitária brilhante não compensa uma jornada de compra cheia de atrito — o dado da PwC de que 52% dos consumidores abandonam marcas após má experiência é um alerta direto a esse risco.
Use IA para personalizar, mas teste a comunicação como fez a Sephora. Ter a tecnologia não basta: é preciso uma estratégia de divulgação (interna e externa) para que o público descubra e use o recurso.
Meça o que importa para o negócio, não só "engajamento". NPS, retenção, ticket médio e custo por atendimento são indicadores mais difíceis de inflar artificialmente do que curtidas e impressões.
Não abandone o humano. Os dados mostram desconforto real com IA em parte da base de consumidores. Uma jornada bem desenhada oferece a opção de automação e a porta de saída fácil para um atendente humano quando o cliente precisar.
Fontes consultadas
PwC — 2025 Customer Experience Survey (pwc.com)
Forrester — Total Experience Score Research, citado via ClearlyRated e UsabilityGeek
Nielsen Norman Group — User Experience vs. Customer Experience (nngroup.com)
IBM — What is User Experience (UX)? (ibm.com)
Zendesk — CX Trends Report 2026 (zendesk.com)
Salesforce — dados sobre custo e adoção de IA em atendimento
Qualtrics XM Institute — impacto financeiro global de más experiências
Hubina — Estudos de Caso: Empresas Brasileiras que Adotaram a IA (hubina.ai)
Blue6ix — Casos de Sucesso: Como Empresas Usam IA para Transformar o Atendimento ao Cliente (blue6ix.com.br)
Braze — Sephora SEA Case Study (braze.com)
Retail Dive — cobertura sobre o lançamento do Sephora Virtual Artist (retaildive.com)