Persona Discovery – Hi Chat (Hi Platform)

Hi Platform Oct 2022 - https://www.hiplatform.com

About the

Hi Platform

Project Context

In October 2022, I worked as a lead UX Researcher on a persona discovery project for the Hi Chat platform.

The goal was to deeply understand the different user profiles, their needs, pain points and desires, in order to guide product improvements and reduce the burden on technical support.

Limited time → need for quick but in-depth research.
Unexpected profiles → greater participation of supervisors and managers than operators.
New research team → need to open channels and build trust between areas.
Internal alignment → ensuring that the findings were useful for product and management.

Imagem da Blueprint de Servios mapeada AS IS - Processo atual. Outubro 2025

Methodology

1. Mapeamento Profundo: Blueprint da Jornada Jurídica

Iniciei com um Service Blueprint completo, identificando:

✔ Todas as fases da jornada:

Contato inicial
Prospecção
Qualificação
Reunião agendada
Contrato
Distribuição
Processo ativo
Boletos
Pós-processo / Atualização periódica

Main Findings

Three usage segments

One-Shot Customer Service (SAC)
focus on single resolution, strong need for bots.

Hot Lead
active and receptive contact, medium-term relationship.

Customer Portfolio
asynchronous negotiations, focus on ongoing relationships.

Three usage segments

One-Shot Customer Service (SAC)
focus on single resolution, strong need for bots.

Hot Lead
active and receptive contact, medium-term relationship.

Customer Portfolio
asynchronous negotiations, focus on ongoing relationships.

Challenges

Limited time → need for quick but in-depth research.
Unexpected profiles → greater participation of supervisors and managers than operators.
New research team → need to open channels and build trust between areas.
Internal alignment → ensuring that the findings were useful for product and management.

Com os dados de pesquisa e blueprint, redesenhei completamente essa abordagem:

Como ficou a nova experiência (UX + LLMs):

✔ A IA analisa a primeira mensagem
LLMs identificam:

intenção do cliente
categoria legal
urgência
se é caso simples ou complexo
necessidade de reunião
documentos requeridos

✔ Casos pequenos são totalmente automatizados

LLMs conseguem:

orientar o cliente
coletar dados
preencher ProJuris
enviar boletos
atualizar status
informar próximos passos

Isso recuperou cerca de R$ 100 mil/ano antes perdidos.

✔ A mensagem de resposta é humanizada

Com prompts desenhados para:

clareza jurídica
acolhimento
profissionalismo
redução de ansiedade do cliente

✔ Casos grandes são priorizados e enviados ao advogado

A IA:

entende que o caso tem alto valor
gera um resumo padronizado
agenda automaticamente uma reunião
envia notificação ao advogado
cria tarefa e atualiza o funil no Bitrix24

Toda a etapa inicial (antes manual e caótica) passou a ser automática, inteligente e contextual