Transcrever áudios do WhatsApp para texto: por que no seu negócio o celular não basta

Por que os áudios se acumulam

Porque escutar não dá para fazer na diagonal.

Uma mensagem de texto se lê de relance e se responde. Um áudio de dois minutos tem que ser escutado inteiro, às vezes duas vezes, e quase sempre com fones que você não está usando. Transcrever áudios do WhatsApp para texto não é uma comodidade: é o que permite tratar um áudio como o que ele é, mais uma mensagem na fila.

O volume não ajuda. O WhatsApp informa que são enviadas 7 bilhões de mensagens de voz por dia, e um estudo da Preply mediu uma média de 5,5 áudios diários por pessoa, que sobe para 7,2 na geração Z.

O WhatsApp já transcreve, mas no seu celular

Convém dizer isso antes de tudo, porque muda a pergunta.

O WhatsApp lançou transcrições de mensagens de voz para os seus usuários. E faz de uma maneira bem específica: as transcrições são geradas no dispositivo, são ativadas nas configurações do chat e são pedidas mensagem por mensagem, segurando e tocando em "transcrever".

É uma função pensada para uma pessoa com o celular na mão. Resolve muito bem o problema de uma pessoa. Não resolve o de um negócio.

O que muda quando os áudios entram numa caixa de entrada

Mudam três coisas, e as três importam mais que a transcrição em si.

No seu celular	Na caixa de entrada do negócio
Você transcreve, mensagem por mensagem	A transcrição aparece sozinha quando o áudio chega
Só vê quem está com o celular	Vê qualquer pessoa da equipe que abrir a conversa
Fica no seu app	Fica no histórico da conversa

Um negócio não tem um celular: tem várias pessoas que se revezam. A transcrição serve quando quem atende agora consegue ler, não quem atendeu ontem.

A transcrição fica anotada no chat

Quando chega um áudio, ele é transcrito e a transcrição fica na conversa como uma nota que só a sua equipe vê.

Ou seja, não se responde ao cliente com o texto do próprio áudio dele, coisa que ninguém quer. Fica do lado de dentro, para que quem atende leia em cinco segundos o que seriam dois minutos.

E fica escrito. Duas semanas depois, quando alguém pergunta o que aquele cliente tinha pedido, a resposta se lê em vez de se escutar de novo.

O que dá para fazer com um áudio já transcrito

Dá para fazer o mesmo que com uma mensagem de texto, que é todo o ponto.

• Buscar dentro da conversa, em vez de lembrar em que áudio estava.
• Responder entendendo o que foi pedido, não só que chegou alguma coisa.
• Montar um pedido com o que o cliente ditou, se o pedido vem no áudio.
• Passar para uma pessoa com o contexto já escrito, sem que ela tenha que escutar do zero.

O quarto é o mais agradecido. Transferir um áudio sem transcrever é transferir o trabalho, não o caso.

A única coisa que se entende de um anexo

Aqui vai um limite que preferimos dizer nós.

O áudio é o único anexo cujo conteúdo é entendido. Quando chega uma imagem ou um vídeo, sabe-se que chegou e isso é levado em conta na conversa, mas não se lê o que há dentro.

Então se o seu cliente manda a foto de um comprovante, não espere que o número seja lido. Isso ainda é uma pessoa que faz.

Quanto áudio um negócio pequeno maneja

Mais do que parece quando você olha por mês em vez de por dia.

Num cliente nosso que administra prédios, a operação por WhatsApp movimenta cerca de 312 conversas e uns 4.137 mensagens por mês, com 1.247 entrando. Se uma parte desses que entram são áudios, ali está a fila que alguém escuta com o celular colado na orelha.

Não é preciso ser uma rede para que isso pese. Basta um WhatsApp que não para.

Conclusões

• Um áudio não dá para ler na diagonal, e por isso se acumula diferente do texto.
• O WhatsApp já transcreve mensagens de voz, mas no dispositivo do usuário e uma mensagem por vez.
• Numa caixa de entrada de negócio, a transcrição tem que ser automática e visível para toda a equipe.
• A transcrição fica como nota interna na conversa: a sua equipe vê, o seu cliente não.
• Transcrito, um áudio se busca, se transfere e vira pedido igual a um texto.
• O áudio é o único anexo cujo conteúdo é entendido; imagens e vídeos só são detectados.