Todo dashboard de plataforma de IA é um carnaval: 30 gráficos, 12 cores, um punhado de "insights" gerados por alguma IA que tenta parecer útil. O problema é que 80% desses números não mudam decisão nenhuma.
Depois de olhar dados de centenas de hubs no Member AI, a gente consegue dizer com confiança: são quatro métricas que importam pra um creator. O resto é ruído.
Uma métrica só importa se responde "sim" a duas perguntas:
"Total de mensagens enviadas", por exemplo, falha nos dois. 10 mil mensagens podem ser 300 conversas produtivas ou 5 conversas rodando em loop. Não muda decisão.
Agora, taxa de resolução na conversa — esta muda decisão. Se cair de 72% pra 58%, você sabe que tem algo quebrado no agente e precisa agir hoje.
Percentual de conversas que o member encerra com o problema/pedido resolvido, sem escalação pra humano nem abandono no meio.
Como o Member AI mede: o agente marca a conversa como "resolvida" quando (a) o member sinaliza positivamente no fim, (b) a ação foi concluída (pagamento, agendamento, entrega de conteúdo), ou (c) a última mensagem foi do agente e passaram 48h sem retorno sem nenhum indicador negativo.
Se cair muito: primeira coisa a fazer é abrir as 20 conversas mais recentes marcadas como "não resolvidas" e ler. Em 80% dos casos o problema é conteúdo faltando na base, não o agente sendo burro.
Tokens gastos no modelo + taxa Stripe (quando houve pagamento) dividido por número de conversas resolvidas.
Essa é a métrica mais importante pra quem quer entender economia unitária de verdade. Uma conversa que custa R$ 0,18 e fecha uma venda de R$ 497 tem economia diferente de uma que custa R$ 0,90 e fecha um agendamento gratuito.
Referências do que a gente vê:
Se seu custo tá muito acima disso, quase sempre o culpado é: prompt de sistema gigante (reduza), modelo overkill (troca 4o por 4o-mini), ou memória mal configurada (tá reinjetando contexto antigo em cada turno).
Percentual de conversas que terminam em ação monetizável: pagamento, agendamento de call comercial, cadastro em lista paga, upgrade de plano.
Essa é a métrica mais "de negócio" do quarteto. Ela não diz se o agente tá gostoso de conversar — diz se ele tá gerando receita.
Benchmarks:
Se sua conversão tá baixa, raramente é o agente — é a oferta. Produto sem gatilho contextual claro, preço desalinhado com a promessa da conversa, ou CTA fraco no momento do sim.
De 100 novos members que chegaram no agente em um determinado dia, quantos voltam e conversam de novo em 30 dias?
Essa é a métrica que separa agente que funciona de agente que vicia. Member que volta é member que percebeu valor. Member que não volta, nunca ia virar caso de sucesso.
Métricas que aparecem em todo dashboard e não vão te dizer nada que você precise saber:
O ritual que a gente recomenda pros hubs:
14 dias grátis. Dashboard com as 4 métricas certas — sem 30 gráficos inúteis.
Dashboard bom não tem mais gráficos. Tem os gráficos certos, com as perguntas certas na frente. O resto é ruído bonito.`, faq: [ { q: "Quanto tempo até essas métricas estabilizarem num hub novo?", a: "Taxa de resolução e custo estabilizam em 1-2 semanas. Conversão em receita precisa de 30 dias pra ter significância estatística. Retenção D30 só faz sentido depois de 45-60 dias de operação." }, { q: "Vocês exportam os dados brutos?", a: "Sim, todos os planos pagos têm export CSV + API. Se você quer BigQuery, Metabase, Looker — tudo conecta." }, ], related: [ { slug: "agent-vs-chatbot", category: "Bastidores", title: "Agente ≠ chatbot", cover: "https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=800&q=80", readTime: "7 min" }, { slug: "memoria-contextual-funciona", category: "Bastidores", title: "Como a memória contextual funciona", cover: "https://images.unsplash.com/photo-1456428746267-a1756408f782?w=800&q=80", readTime: "9 min" }, { slug: "prompts-para-creators", category: "Tutoriais", title: "Prompts de sistema que funcionam", cover: "https://images.unsplash.com/photo-1516321318423-f06f85e504b3?w=800&q=80", readTime: "13 min" }, ] };