Try-on virtual no WhatsApp: como provar um batom dentro da conversa

No Brasil, a dúvida de tom raramente nasce num site. Ela nasce numa conversa: a cliente manda uma foto do rótulo, pergunta se o batom "fica bom nela", pede ajuda para escolher entre dois tons de base. O try-on virtual no WhatsApp resolve exatamente esse momento — em vez de responder com texto e link, a marca devolve a imagem da própria cliente com o produto aplicado. A decisão acontece dentro da conversa, sem troca de canal.

Este artigo trata do desenho desse fluxo: o que a API consegue renderizar, como organizar o atendimento humano e automatizado, e quais limites precisam ficar claros antes do go-live.

Por que o WhatsApp é um canal natural para prova virtual

Três características do canal favorecem a prova virtual.

A foto já circula. Mandar uma selfie no WhatsApp é um gesto trivial para a cliente — ela não precisa aprender uma interface nova, autorizar câmera no navegador ou instalar nada. O insumo do try-on chega espontaneamente.

A conversa carrega contexto. Antes da foto, a cliente já disse o que procura: batom para o trabalho, base para pele oleosa, um presente. Esse contexto limita a cartela que vale a pena mostrar.

O atendimento já existe. Marcas de beleza, revendedoras e lojas físicas já operam WhatsApp para vendas. O try-on não cria um canal: ele adiciona uma resposta visual a um canal que já converte.

Como funciona o try-on virtual no WhatsApp na prática

O MaIA Try-On tem duas formas de entrega, e só uma delas se encaixa no WhatsApp.

A API por foto é a peça certa

No WhatsApp, o fluxo é baseado em foto. A cliente envia a imagem, seu backend recebe o arquivo pelo webhook da API de mensageria, encaminha para a API do MaIA Try-On junto com o identificador do produto, e recebe de volta a imagem renderizada. Essa imagem é devolvida como mídia na conversa. A API renderiza batom e base, com paletas calibradas aos produtos reais da marca dentro de um projeto — ou seja, o tom que aparece na foto corresponde ao SKU que está no catálogo, não a uma cor genérica.

O SDK de navegador é outra coisa: ele cobre treze produtos mais o Full Look, com modo ao vivo pela câmera, renderizado localmente, e é hospedado pela própria marca em uma página web. Ele não roda dentro do WhatsApp. Se o seu roteiro precisa de sombra, máscara ou look completo, o caminho é levar a cliente para uma página com o SDK — e aí o link vira o próximo passo da conversa, não a resposta imediata. Essa diferença entre os dois formatos está detalhada no artigo sobre try-on por foto e AR try-on.

O roteiro mínimo da conversa

Um fluxo enxuto costuma ter cinco passos:

1. Intenção — a cliente pergunta sobre um produto ou categoria.
2. Pedido de foto — com instrução curta: rosto de frente, luz natural, sem filtro.
3. Seleção de tons — dois ou três tons, não a cartela inteira. Mais de três imagens seguidas viram ruído na conversa.
4. Envio das prévias — cada imagem acompanhada do nome do SKU e do link do produto.
5. Fechamento — link de carrinho, ou transferência para um atendente humano.

Onde o perfil de beleza entra

A prévia mostra como fica. Ela não decide quais tons mostrar. Essa escolha pode vir da conversa, de uma pergunta direta ou do perfil de beleza gerado pelo MaIA Scan, que descreve atributos visíveis da foto — tom e subtom de pele, tipo e condição aparente, atributos de cabelo, com uma confiança por campo. É descrição de características visíveis em uma imagem, não uma avaliação médica, e não substitui profissional.

Com o perfil na mão, a mesma foto serve para dois usos: definir a seleção de tons e alimentar o render. E se a marca quiser que a conversa inteira seja conduzida por uma camada de IA conectada ao catálogo, esse é o escopo do MaIA Beauty Advisor, entregue como projeto com o time da B4A.

Decisões que precisam ser tomadas antes do go-live

Automático, humano ou híbrido

Atendimento humano com try-on funciona bem em volumes menores e tickets altos: o atendente dispara o render e comenta o resultado. Automação pura escala melhor em campanhas de lançamento. O híbrido — bot coleta foto e gera prévias, humano assume na dúvida — costuma ser o desenho mais realista para quem já tem equipe de vendas no canal.

O que acontece com a foto

No fluxo por API a foto sai do aparelho da cliente: ela chega ao WhatsApp, ao seu backend e à API de render. Defina antes quanto tempo a imagem fica armazenada de cada lado, quem no time pode visualizá-la, e escreva isso em linguagem simples na primeira mensagem do fluxo. Consentimento claro no canal de conversa é tão importante quanto a qualidade do render.

Qualidade da foto recebida

Foto de WhatsApp vem comprimida, às vezes de longe, às vezes com luz amarela. Vale instruir a captura em uma frase e ter uma resposta padrão para imagem inadequada — pedir outra foto é melhor que devolver um render ruim, porque a prévia errada destrói a confiança no tom.

Catálogo e nomenclatura

Cada tom renderizado precisa de um identificador estável que ligue a prévia ao SKU vendável. Sem isso, a cliente gosta da imagem e ninguém sabe qual produto colocar no carrinho.

O que medir

Acompanhe conversas com foto enviada, prévias geradas por conversa, cliques no link de produto após a prévia, e a taxa de fechamento comparada com conversas sem try-on. Números de terceiros sobre impacto de prova virtual existem, mas resultado varia com catálogo, tráfego e canal de cada marca — meça o seu.

Quer testar o fluxo? Crie sua conta, compre créditos e gere sua chave na documentação da API, ou fale com o time da B4A para desenhar a conversa junto com o seu catálogo.