Atualizar o perfil de beleza do cliente: quando pedir uma nova selfie

A maioria das marcas que integra análise por selfie trata o resultado como um cadastro: coleta uma vez, grava no CRM e segue usando aquele registro por anos. Funciona nos primeiros meses e começa a falhar depois. Atualizar o perfil de beleza em momentos certos é o que mantém a recomendação relevante — e é uma decisão de produto, não de infraestrutura.

O perfil de beleza é a leitura de um momento, não um atributo fixo

O que a análise de pele e cabelo por selfie devolve é a descrição de atributos visíveis em uma foto: tom e subtom de pele, tipo e condição aparente, características de cabelo, cada campo com um nível de confiança. É um retrato daquele dia, daquela luz, daquele estado do cabelo.

Alguns desses campos são estáveis. Subtom tende a se manter. Outros não: a aparência do tom muda com exposição ao sol, a condição visível da pele oscila ao longo do ano, e o cabelo muda com corte, coloração, química ou simplesmente com o crescimento. Tratar todos os campos como se tivessem a mesma validade é o erro de base.

Na prática, isso significa separar o perfil em duas camadas: atributos de referência, que você consulta por muito tempo, e atributos de estado, que perdem valor rápido. A recomendação de cor de base pode se apoiar na primeira camada; a recomendação de um produto de cuidado capilar depende da segunda.

Por que atualizar o perfil de beleza muda a recomendação

A recomendação herda a idade do dado

Se a consultora virtual recomenda hoje com base em uma leitura de catorze meses atrás, ela está recomendando para uma pessoa que talvez não exista mais: cabelo que era liso e virgem, agora descolorido; pele que foi lida no inverno, agora em janeiro. O cliente não percebe que o problema é a data do dado — ele percebe que a marca errou.

O erro silencioso corrói a confiança

Diferente de uma recomendação obviamente ruim, o perfil desatualizado erra por pouco. Um tom vizinho, um kit quase certo. Esse tipo de erro não gera reclamação, gera desengajamento: o cliente para de clicar na vitrine personalizada e volta a navegar pelo catálogo inteiro.

Dado novo é também dado de intenção

Quando alguém aceita tirar uma nova selfie, está sinalizando que mudou alguma coisa ou que está em processo de decisão. Esse sinal vale tanto quanto o JSON que volta da API. Uma recaptura espontânea é um dos melhores gatilhos de abordagem que um CRM de beleza pode ter.

Quando pedir uma nova selfie

Gatilhos de calendário

O mais simples: defina uma validade por categoria. Perfis usados para recomendação de maquiagem de pele podem ser revisitados na virada de estação; perfis capilares, em janelas mais curtas, porque o cabelo muda com mais frequência. Não precisa ser agressivo — basta marcar o registro como "a revisar" e esperar o próximo contato natural.

Gatilhos de comportamento

São os mais eficientes porque pegam o cliente já em movimento:

• O cliente volta a navegar uma categoria que não comprava há meses.
• Houve troca ou devolução por cor.
• A busca interna mostra termos que contradizem o perfil gravado (alguém com perfil de cabelo liso buscando produtos para cachos).
• O cliente abre a prova virtual e testa tons distantes do recomendado.

Gatilhos de confiança

Cada campo do perfil volta com um indicador de confiança. Se a leitura original foi feita em condição ruim de luz e vários campos vieram com confiança baixa, esse perfil já nasce com prazo curto. Vale marcá-lo para recaptura na primeira oportunidade, em vez de esperar o calendário.

Gatilhos de canal

Cada canal tem um momento natural de pedir. No WhatsApp, o início de uma nova conversa de atendimento. No app, a abertura após uma atualização. No e-commerce, a página de perfil ou o pós-compra. Na loja física, o atendimento no balcão. O pedido deve parecer parte do fluxo, nunca uma interrupção.

Como modelar o histórico sem perder informação

A regra é versionar, não sobrescrever. Cada análise vira um registro novo, com data, canal de captura e confiança por campo. O perfil "vigente" é uma visão calculada sobre esses registros, não uma linha única que você atualiza.

Isso abre três usos que o registro único não permite. Primeiro, comparar leituras ao longo do tempo e identificar o que mudou de fato. Segundo, auditar: quando uma recomendação é questionada, você sabe exatamente qual leitura a gerou. Terceiro, respeitar o pedido de exclusão de dados de forma limpa, porque cada registro tem origem e data próprias.

Uma observação necessária: o perfil descreve atributos visíveis na foto. Variação entre duas leituras é informação comercial sobre aparência e preferência — não é diagnóstico nem avaliação clínica, e não substitui a orientação de um profissional.

Como pedir a nova selfie sem atrito

O pedido funciona melhor quando vem com contrapartida explícita e imediata. "Atualize seu perfil e veja a cartela nova nos seus tons" converte muito mais do que "atualize seu cadastro". Mostre o resultado na hora: a nova leitura precisa mudar visivelmente a vitrine, o kit sugerido ou a resposta da conversa.

Outra alavanca é combinar a recaptura com algo que o cliente já quer fazer. A prova virtual de maquiagem é um bom pretexto: a pessoa envia a foto para testar um batom e, no mesmo fluxo, o perfil é atualizado. O mesmo vale para a consultora de beleza integrada ao catálogo, que pode abrir a conversa pedindo uma foto nova antes de recomendar.

E guarde sempre a saída: quem não quiser atualizar deve seguir recebendo a recomendação baseada no perfil anterior, sem bloqueio.

Checklist antes de implementar

• Classifique cada campo do perfil como referência ou estado.
• Defina validade por categoria de produto, não uma validade única.
• Liste os gatilhos de comportamento que seu CRM já consegue detectar hoje.
• Versione as leituras com data, canal e confiança.
• Decida o que acontece quando o cliente recusa a atualização.

Quer testar o ciclo completo — primeira leitura, recaptura e comparação entre versões? Crie sua conta e gere uma chave de API ou fale com o time da MaIA para desenhar a política de atualização junto com o seu CRM.