Disclosure: Este artigo foi escrito por Thiago Lisboa, CEO e co-fundador da Chattie. O caso de sucesso é baseado em resultados reais reportados por Marcelly Machado, com sua autorização. Os produtos concorrentes são mencionados conforme referenciado pela cliente.
O Desafio: Um Gargalo de SDR Humano no LinkedIn
Marcelly Machado lidera a geração de demanda na Eloverde, uma empresa B2B que opera em um nicho competitivo onde o outreach personalizado no LinkedIn é o principal canal de aquisição. Como a maioria dos líderes de demand gen, ela enfrentava um problema clássico: prospecção no LinkedIn em escala exige tempo, consistência e memória — três coisas que um único SDR só consegue fornecer parcialmente.
O setup tradicional era assim:
- 1 SDR dedicado a campanhas de conexão no LinkedIn
- Solicitações de conexão manuais enviadas em lotes de 20 a 30 por dia (o limite seguro para operação manual)
- Mensagens de follow-up controladas em planilhas, frequentemente atrasadas ou perdidas
- Relatório de pipeline baseado em memória e anotações incompletas
O SDR era um centro de custo, não um multiplicador de receita. Salário, benefícios e overhead de onboarding tornavam a conta difícil — especialmente quando os resultados eram inconsistentes de mês a mês.
Marcelly havia avaliado Apollo.io e algumas ferramentas americanas. O preço era difícil de justificar para uma operação B2B brasileira, e o suporte era assíncrono, em inglês, e desconectado do fluxo de trabalho nativo do LinkedIn que sua equipe realmente utilizava.
A Decisão: IA no Lugar de Headcount
Antes de implementar o Chattie, as métricas de prospecção da Eloverde eram assim:
| Métrica | Antes do Chattie |
|---|---|
| Solicitações de conexão por dia | 25–30 (manual) |
| Consistência de follow-up | ~60% (perdidos ou atrasados) |
| Taxa de resposta | 12–16% |
| Reuniões geradas por mês | 4–6 |
| Custo total do SDR | R$6.500/mês |
O objetivo de Marcelly não era simplesmente automatizar o que o SDR fazia. Ela queria eliminar o gargalo estrutural e redirecionar sua LDR (Lead Development Representative) para atividades de maior valor: nutrir conversas no pipeline, refinar mensagens de ICP e preparar leads qualificados para o time comercial.
Ela começou com o Chattie no Q1 de 2026.
Implementação: O Período de Calibração da IA
As duas primeiras semanas foram dedicadas ao setup: definição de ICP, configuração da sequência de mensagens e segmentação de conexões. A calibração da IA do Chattie — processo pelo qual a plataforma aprende quais respostas de leads indicam interesse genuíno versus replies automáticos — começou dentro das primeiras 300 interações.
O que chamou a atenção de Marcelly foi a ausência de uma curva de aprendizado íngreme. Diferente do construtor de sequências multistepe do Apollo ou do fluxo pesado de enrichment do Clay, o Chattie opera nativamente dentro do LinkedIn. A interface de SDR é a própria caixa de entrada do LinkedIn, com o Chattie sobrepondo contexto, histórico e próximas ações sugeridas.
Na terceira semana, o sistema funcionava sem intervenção diária de Marcelly ou da LDR.
Resultados Após 90 Dias
"Implementei o Chattie e eliminei o papel de SDR: minha LDR agora trabalha com estratégia. A IA se calibrou sozinha. Comparado ao Apollo e às ferramentas americanas caras, entrega muito mais — com suporte em português em tempo real. O ROI é implacável." — Marcelly Machado, Demand Generation Lead, Eloverde
Veja o que mudou na Eloverde após 90 dias de uso ativo do Chattie:
| Métrica | Antes | Depois (90 dias) |
|---|---|---|
| Solicitações de conexão por dia | 25–30 (manual) | 60–70 (com IA) |
| Consistência de follow-up | ~60% | 97%+ |
| Taxa de resposta | 12–16% | 26–31% |
| Reuniões geradas por mês | 4–6 | 13–17 |
| Headcount de SDR | 1 | 0 (função eliminada) |
| Foco da LDR | 70% operacional | 90% estratégico |
A melhora na taxa de resposta — de 12–16% para 26–31% — reflete dois efeitos que se somam: maior volume chegando aos perfis certos, e sequências de follow-up melhor sincronizadas que o Chattie gerencia automaticamente.
A Decisão de Eliminar o SDR
Eliminar um SDR full-time não foi uma medida de corte de custos. Foi um realinhamento estrutural. As tarefas principais do SDR no LinkedIn — gestão de conexões, follow-up, roteamento de conversas — passaram a ser realizadas pelo Chattie com 3× o volume e qualidade consistentemente superior.
O valor economizado com o headcount do SDR (~R$6.500/mês com tudo incluído) mais do que cobriu a assinatura do Chattie. O efeito líquido foi uma função de demand gen ao mesmo tempo mais barata e mais produtiva.
A LDR, sem mais as tarefas operacionais do LinkedIn, redirecionou seu foco para:
- Refinar segmentos de ICP com base nos dados de engajamento do Chattie
- Preparar leads quentes para handoff ao time de fechamento
- Testar frameworks de mensagem em conjunto com Marcelly
- Monitorar a saúde das conversas nos threads ativos de prospects
Essa é a mudança estrutural que separa a demand gen potencializada por IA do modelo tradicional de SDR: o tempo do humano vai para julgamento e estratégia, não para gestão manual de inbox.
Por Que Chattie e Não Ferramentas Americanas
A avaliação anterior de Marcelly incluiu Apollo.io e duas plataformas americanas. Suas objeções eram práticas:
- Preço em dólar — nas taxas de câmbio atuais, as assinaturas de ferramentas americanas representam um prêmio de custo significativo para operações brasileiras
- Suporte só em inglês — suporte assíncrono com documentação em inglês é um ponto de atrito real para equipes PT-BR
- Integração nativa com LinkedIn — Apollo e Clay são poderosos para sequências de email e enrichment de dados, mas precisam de middleware adicional para operar nativamente no LinkedIn
- Abordagem de calibração da IA — o Chattie aprende com padrões reais de resposta no LinkedIn, em vez de exigir configuração manual de sequências para cada variação de ICP
Para o caso de uso da Eloverde — outreach B2B em português no LinkedIn como canal principal — a abordagem nativa do Chattie foi mais adequada.
Principais Aprendizados
O que fez funcionar:
- Definição clara de ICP antes do lançamento. Os resultados do Chattie são diretamente proporcionais à precisão da segmentação de leads configurada.
- Compromisso com o período de calibração. As primeiras 2 a 3 semanas exigem volume para treinar a classificação de respostas da IA. Times que param cedo perdem os ganhos compostos.
- Plano de realocação da LDR. A eliminação do SDR só gerou valor porque a LDR tinha um papel estratégico definido para assumir. Sem isso, a capacidade liberada é desperdiçada.
Quando esse modelo funciona melhor:
- Times B2B onde o LinkedIn é o principal canal de prospecção
- Operações com um único SDR ou equipes de outreach pequenas onde o custo de headcount é uma restrição real
- Líderes de demand gen que querem migrar de um trabalho operacional para estratégico
- Empresas que já avaliaram ferramentas americanas e consideraram o custo cambial ou o overhead de integração proibitivos
O Padrão Mais Amplo
O resultado da Eloverde não é um caso fora da curva. Na base de clientes do Chattie — 500+ campanhas, principalmente SaaS B2B e serviços no Brasil e LATAM — times que implementam com ICP claro e uma sequência de follow-up definida alcançam taxas de resposta entre 24–34% nos primeiros 60 dias.
A transição de SDR para IA não é uma tendência. Para operações B2B nativas no LinkedIn no mercado brasileiro, está se tornando a arquitetura padrão.
Quer ver se o Chattie se encaixa na sua operação? Comece aqui.