
O Re:amaze tem sim análise de sentimento com IA, mas é um botão que uma pessoa precisa apertar: abrir uma conversa, selecionar Scan for Sentiment, e a IA dá uma leitura de como o cliente está se sentindo, segundo a documentação de ferramentas de IA. Não encontrei score automático, alerta de sentimento nem relatório de sentimento, e a ferramenta está marcada como Beta. Para uma triagem que funcione sem um clique, eu escreveria um prompt de AI Pre-Filter para clientes insatisfeitos ou que estão cancelando, os marcaria com tags e manteria o AI Agent fora. O eesel se conecta ao Re:amaze, segue regras de encaminhamento como essa em um horário programado, e deixa uma nota explicando o motivo.
Com a CLI do eesel, um agente de código com IA pode enviar conhecimento aprovado, como artigos de FAQ exportados e modelos de resposta, e então fazer perguntas de teste ao agente do eesel e verificar as respostas antes de algo ir ao ar. Conectar o próprio Re:amaze ainda exige que uma pessoa copie um token de API das configurações do Re:amaze.
O Re:amaze tem análise de sentimento com IA?
Sim, de uma forma específica. O artigo de ferramentas de IA do Re:amaze tem uma seção chamada Conversation Sentiment Analysis. Ele diz que a ferramenta "ajuda você a avaliar rapidamente o sentimento do cliente" e é útil quando conversas passam de um agente para outro, porque o próximo agente pode ver se o problema parece resolvido. Você seleciona Scan for Sentiment para executá-la, e Ask About This Conversation para fazer uma pergunta direta ao tópico, como "O cliente está insatisfeito?".

O texto do painel nessa captura diz: "Você pode verificar o sentimento desta conversa para ter uma ideia de como o cliente está se sentindo." Dois pontos dessa redação importam. Ela diz "uma ideia", não um score, e o painel está dentro de um cartão AI Conversation Tools rotulado como Beta. A página de IA do Re:amaze também marca a suíte como Beta e diz que ela funciona sobre os modelos GPT da OpenAI.
Eis o que a documentação que li em 21 de novembro de 2026 não diz. Ela não descreve o formato de saída (um rótulo, um score ou uma frase), quais idiomas ela cobre, ou se o resultado é salvo na conversa. Ela não descreve um gatilho de workflow, um escaneamento automático ou um filtro de sentimento. E o AI Chatbot and Productivity Report lista AI Impact Rate, Team Time Saved, Content Score, Total Usage e Success Rate, sem nenhuma métrica de sentimento. Se você ainda está avaliando o produto, minha análise do Re:amaze cobre o resto.
É um design razoável para uma beta: o agente decide quando vale a pena perguntar. Mas isso também significa que ninguém é avisado quando um tópico vira para o lado ruim, a menos que alguém olhe.
Que sinais o Re:amaze dá no lugar disso?
Cinco coisas no Re:amaze tocam no humor do cliente, e cada uma age em um momento diferente. A lacuna entre elas é a parte útil.

| Recurso do Re:amaze | Quando age | Plano segundo a documentação | Lê o humor? |
|---|---|---|---|
| Scan for Sentiment | Quando um agente clica | Nenhuma restrição encontrada | Sim, sob demanda |
| Ask About This Conversation | Quando um agente digita uma pergunta | Nenhuma restrição encontrada | Só se você perguntar |
| AI Pre-Filter | No momento em que uma conversa chega | Exige o AI Agent ativado | Corresponde ao prompt que você escreve |
| Intents mais Workflows | A cada mensagem do cliente | AI Intents listado no Pro | Corresponde ao que o cliente quer, não a como ele se sente |
| Avaliações de satisfação | Depois que a conversa é resolvida | Listado no Plus | A própria resposta do cliente, tardia |
Essa última linha tem uma ressalva. A página de preços lista Customer Satisfaction Ratings no Plus, mas a visão geral de relatórios lista o Satisfaction Ratings report no conjunto de relatórios do Pro. Não consegui reconciliar as duas coisas, então confira de qual plano você precisa antes de fazer upgrade por isso.
Para o que análise de sentimento normalmente significa, minha visão geral de análise de sentimento com IA e a entrada do glossário sobre análise de sentimento estabelecem a base.
Quanto isso custa no Re:amaze?
O escaneamento de sentimento não tem preço próprio. O que você paga é o plano, e o medidor do AI Agent se você adicionar Pre-Filters. Esses números vêm da página de preços do Re:amaze em vigor, verificada em 21 de novembro de 2026.
| Plano | Por membro da equipe ao mês | Faturado anualmente | Resoluções de AI Agent incluídas por usuário ao mês | Relevante para o trabalho de tom |
|---|---|---|---|---|
| Basic | US$ 29 | US$ 26,10 | 5 | AI Agent, Basic Reporting |
| Pro | US$ 49 | US$ 44,10 | 10 | Adiciona AI Intents e Advanced Reporting |
| Plus | US$ 69 | US$ 62,10 | 20 | Adiciona Customer Satisfaction Ratings e Staff Performance Reporting |
| Starter | US$ 59 fixo, até 500 conversas respondidas | Não listado | Não listado | Todos os recursos do Basic, membros de equipe ilimitados |
Resoluções extras do AI Agent custam US$ 0,85 cada. Uma equipe de cinco pessoas no Pro paga US$ 245 ao mês e recebe 50 resoluções incluídas. A documentação diz que o Pre-Filter exige o AI Agent ativado "com resoluções restantes ou overage ativado", mas não diz se uma conversa pré-filtrada conta como uma resolução, então pergunte ao suporte antes de contar com a estabilidade do medidor. Meu guia de custo do Re:amaze percorre outros tamanhos de equipe.
Como consigo escalonamento automático para clientes insatisfeitos no Re:amaze?
Use um AI Pre-Filter, com uma ressalva honesta: a documentação o descreve como um filtro de tópico, não um detector de humor. O AI Pre-Filter faz a IA ler cada conversa recebida e comparar com um prompt que você escreve em linguagem simples, de até 500 caracteres. Em caso de correspondência, ele aplica sua tag e executa uma de quatro ações: marcar e deixar aberta, marcar e concluir, marcar e marcar como spam, ou marcar e arquivar. O uso sugerido por ele mesmo é encaminhar a pessoas "problemas de cobrança ou pagamento, solicitações de cancelamento, ou consultas de clientes VIP e de alto valor".

Como um prompt é só uma descrição, nada impede você de descrever o estado de um cliente em vez do seu tópico. Não testei o quão bem ele captura o tom, então trate-o como uma rede grosseira e leia o que ele marca na primeira semana. Aqui está a configuração com a qual eu começaria. Leva cerca de 10 minutos.
- Abra a aba Pre-Filters. Vá em AI > Manage Bots, selecione Pre-Filters e depois Enable AI Pre-Filter.
- Adicione um filtro. Selecione Add Filter e defina a tag como
needs-human. - Escolha a ação. Escolha tag and leave open, para que uma pessoa a veja na caixa de entrada normal.
- Escreva um prompt curto. Por exemplo: "O cliente está irritado ou frustrado, ameaça cancelar, contestar uma cobrança ou deixar uma avaliação negativa, menciona um advogado, ou diz que é a segunda ou terceira vez que escreve sobre o mesmo problema."
- Observe o que é marcado. Abra as conversas marcadas diariamente por uma semana e ajuste o prompt quando ele deixar passar algo ou marcar demais.
- Conte a tag. O Tags report mostra quais tags são aplicadas com mais frequência, o que dá a você uma contagem contínua de encaminhamentos.
Duas regras na documentação dão forma a isso. Qualquer conversa que corresponda a um pre-filtro não é tratada pelo AI Agent, seja qual for a tag ou ação usada. E os pre-filtros têm prioridade sobre os Workflows: se uma conversa corresponder a ambos, o Pre-Filter é executado e o Workflow é pulado. Isso significa que você não pode encadear "marcar como insatisfeito, depois atribuir ao líder da equipe" em um workflow para essas mesmas conversas. Planeje sua atribuição em torno da tag em vez disso, por exemplo com uma visualização salva para needs-human.
O que Workflows e Intents conseguem fazer sem sentimento com IA?
Eles tratam os casos em que o cliente diz o que está errado, e para equipes de ecommerce sensíveis a churn essa é a maioria dos casos que importam. Um Intent é uma descrição de uma a três frases do que um cliente está tentando fazer, comparada pelo significado em vez de palavras exatas, de modo que "cancelar minha assinatura" é detectado independentemente de como for formulado. Usado dentro de um Workflow, ele pode marcar a conversa com tag, atribuí-la, responder ou deixar uma nota interna.
O construtor de Workflows também tem condições do lado dos pedidos. O próprio exemplo da documentação é: "Quando uma mensagem do cliente chega e o Customer Total Order Value é maior que US$ 2.000, marque a conversa como VIP Customer", e outro combina um valor de vida útil do Shopify acima de US$ 1.000 com um Intent de "Onde está meu pedido?". Um Intent de reembolso ou chargeback de um cliente de alto valor é exatamente a mensagem que deveria pular a fila. Para o quadro mais amplo, meus guias de automação do Re:amaze e roteamento de IA do Re:amaze cobrem o design de tags, e priorização de tickets com IA mostra como classificar o que chega.
Os Intents estão listados no Pro, e um Intent sozinho não faz nada: a documentação diz que ele só age quando se torna uma condição dentro de um Workflow. O limite é o mesmo de qualquer regra. Ele capta o que você descreveu, então um cliente silenciosamente furioso por causa de uma encomenda atrasada e que nunca diz "cancelar" passa despercebido.
O botão de sentimento pode ajudar nas transferências?
Sim, e é exatamente aí que eu o usaria. Um escaneamento no momento da transferência diz ao próximo agente se o problema parece resolvido, que é o uso que a documentação nomeia. Combine-o com Ask About This Conversation e uma pergunta padrão como "O cliente está insatisfeito, e o que prometemos a ele?". A resposta é uma pista, não uma prova, então confira reembolsos e datas contra o tópico.

Os resumos só podem ser gerados depois que um tópico tem 10 mensagens, como cobri na minha publicação sobre resumos de conversa com IA do Re:amaze, e o painel de sentimento nessa captura está bem ao lado. Se o escaneamento de sentimento tem o mesmo mínimo de mensagens não é informado, então teste em um tópico curto. Para o que uma boa transferência deve conter, veja AI agent handoff best practices e o guia de processo de escalonamento de tickets.
O que as avaliações de satisfação dizem que o escaneamento não diz?
Elas dizem como o cliente julgou o resultado, e isso é uma pergunta diferente. O Satisfaction Ratings report do Re:amaze mostra a avaliação média de pesquisas automatizadas enviadas depois que uma conversa é resolvida, a distribuição das avaliações e quaisquer comentários, segundo a visão geral de relatórios. O Appreciations report mostra quais respostas da equipe os clientes gostaram.
O problema é o tempo. Uma avaliação chega depois que a conversa é resolvida, e só se o cliente responder. O cliente insatisfeito na primeira mensagem não tem score até o tópico terminar. Use as avaliações para revisar o mês passado e o escaneamento para olhar hoje. Minhas publicações sobre CSAT com IA e como medir o sentimento do cliente, e as entradas do glossário sobre CSAT e satisfação do cliente, explicam em que essas duas métricas diferem.
Como outros helpdesks tratam o sentimento?
A maioria também para antes de um score sempre ativo, então o Re:amaze não é diferente. Se uma pontuação nativa é um requisito rígido, vale comparar estes:
- Análise de sentimento do Zendesk
- Detecção de sentimento do Gorgias
- Análise de sentimento com IA do Freshdesk
- Help Scout, Dixa e Freshchat documentam cada um sua própria versão
- Kustomer, HubSpot e Zoho Desk
Se a resposta para você for outro helpdesk, comece com alternativas de IA ao Re:amaze e Re:amaze versus Dixa.
Onde o eesel se encaixa no tratamento de sentimento do Re:amaze?
O eesel é uma plataforma de colegas de equipe com IA, e o que importa aqui é o colega de equipe de helpdesk com IA. Eu não o chamaria de painel de sentimento: o eesel não publica um score de humor, e a documentação do Re:amaze descreve ações, não uma métrica de sentimento. O que ele faz é agir sobre sinais que você define, que é a parte que o Re:amaze deixa para uma pessoa.
O Re:amaze não tem gatilhos de evento no eesel, então o agente trabalha em um horário programado. Em cada execução, até a cada dez minutos, ele lista as conversas que correspondem às suas instruções, lê as 40 mensagens mais recentes de cada tópico, e pode deixar uma nota interna, adicionar ou remover tags, definir o responsável e definir o status. Por padrão, ele aprende com seus modelos de resposta e com conversas resolvidas e arquivadas dos últimos 30 dias, e lê seus artigos do centro de ajuda em tempo real. Ele não vê anexos nem campos personalizados. Uma execução programada usa pelo menos 1 crédito, e os planos começam em US$ 299 por mês para 500 créditos, segundo a documentação de preços.

A instrução é uma frase, não uma lista de palavras-chave: "se o cliente estiver cancelando, ameaçando um chargeback ou escrevendo sobre o mesmo problema pela terceira vez, marque com a tag needs-human, atribua ao líder da equipe e escreva uma linha sobre o motivo." Você pode pedir ao agente para trabalhar primeiro em uma conversa real no chat e ler o que ele faria antes de ativar o horário programado.

Três clientes do eesel mostram o padrão em outros helpdesks, então leia-os como o mesmo design em uma ferramenta diferente:
- STIL Classics vende planners e fichários no Shopify e roda o eesel no Gorgias. Entre 8 de agosto e 8 de setembro de 2026, preparou cerca de 320 tickets, deixou cerca de 430 notas internas e consultou cerca de 230 pedidos do Shopify. Os rascunhos nunca oferecem créditos ou códigos de desconto, porque um gesto de boa vontade é uma decisão humana. Essa é a forma certa para um cliente insatisfeito: o agente faz o trabalho de base e uma pessoa decide como resolver.
- Cape Coffee Beans executa verificações programadas no Zendesk, cerca de 160 no mesmo mês, incluindo uma revisão diária de tickets que ficaram em silêncio. É o modelo mais próximo de como o eesel funciona no Re:amaze, já que ambos rodam em um horário programado.
- Original Bootcamp envia a uma pessoa tudo o que envolve lesão ou saúde, cancelamentos e pagamentos no Freshdesk, e avisa o membro que é isso que está fazendo. É uma regra de tópico sensível escrita como uma frase, não como um score de sentimento.
Para o lado do processo, veja escalonamento com IA, lidar com clientes irritados e detectar risco de churn em conversas. As entradas do glossário sobre escalonamento e roteamento de tickets completam o vocabulário.
Qual configuração uma equipe do Re:amaze deveria escolher?
Escolha pelo que precisa ser verdade numa segunda-feira de manhã. Minha recomendação padrão para uma equipe com menos de 10 agentes é o botão Scan na transferência, um Pre-Filter e uma olhada diária nas conversas marcadas. Isso não custa nada além do plano que você já tem, e mostra quais mensagens realmente preveem uma semana ruim.
| Se você precisa de | Use | Plano | Limite |
|---|---|---|---|
| Uma leitura de um tópico na transferência | Scan for Sentiment | Nenhuma restrição encontrada | Manual, beta, formato de saída não documentado |
| Um sinalizador para clientes insatisfeitos ou que cancelam | AI Pre-Filter | Exige o AI Agent ativado | Filtro de tópico, captura de tom não testada |
| Uma regra sobre Intent de reembolso, chargeback ou cancelamento | Intents mais Workflows | Pro para AI Intents | Pulado se um Pre-Filter corresponder primeiro |
| Uma tendência de satisfação relatada pelo cliente | Satisfaction Ratings report | Plus ou Pro, a documentação diverge | Defasado, só clientes que respondem |
| Uma pessoa envolvida com um motivo escrito | Regras de encaminhamento do eesel | Plano do Re:amaze mais eesel | Executa em um horário programado, sem score publicado |
Adicione a última linha quando sua lista de palavras-chave e prompts começar a crescer além do que alguém consegue manter, ou quando perder uma escalação custar mais do que a ferramenta. Se o problema de tom é na verdade um problema de resposta, comece com rascunhos de resposta com IA do Re:amaze e o guia do chatbot com IA do Re:amaze. O resumo da melhor IA para o Re:amaze cobre as opções, e o Re:amaze vale a pena ajuda se você está avaliando o próprio helpdesk.
Se você revisa conversas para coaching, combine qualquer uma dessas com uma rotina de garantia de qualidade e revisar conversas de suporte com IA. Para equipes de ecommerce escolhendo sua stack, minhas publicações sobre a melhor IA de helpdesk para ecommerce e software de helpdesk para ecommerce comparam opções, e intents e sentimentos separa o que um cliente quer de como ele se sente.
Experimente o eesel para o Re:amaze
Se sua equipe do Re:amaze precisa de uma pessoa nas conversas insatisfeitas ou sensíveis sem esperar por uma pesquisa, o eesel se conecta à sua conta do Re:amaze com um login de equipe e um token de API, segue as regras de encaminhamento que você escrever, e deixa uma nota interna explicando o motivo, assim como o STIL Classics faz no Gorgias. Comece só com notas, teste em conversas passadas, e depois amplie o que ele pode fazer quando as regras se mostrarem confiáveis. Veja as opções de suporte para ecommerce se estiver comparando.
Experimente o eesel grátis, ou agende uma demo para ver em suas próprias conversas. Os termos AI Agent e base de conhecimento estão no glossário se você quiser o contexto.