> For the complete documentation index, see [llms.txt](https://docs.patagon.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.patagon.ai/otimizacao-do-agente/optimizing-lead-qualification.md).

# Como otimizar a qualificação de leads

Estas são as cinco práticas com maior impacto na taxa de qualificação do seu agente.

1. **Foque em BANT desde a primeira mensagem.** Configure seu agente para coletar BANT (Budget/Orçamento, Authority/Autoridade, Need/Necessidade, Timeline/Prazo) cedo na conversa.
2. **Use perguntas fechadas para dados críticos.** Peça respostas binárias ou de múltipla escolha ao coletar orçamento ou prazo.
3. **Defina o que fazer quando um lead for evasivo.** Se um lead não quiser compartilhar o orçamento, seu agente precisa de um plano B. Ofereça agendar uma chamada ou enviar material de apoio.
4. **Defina condições explícitas de transferência.** Defina os critérios exatos para transferir um lead para um humano: nome + telefone + orçamento confirmado + autoridade de decisão confirmada = transferência.
5. **Revise e atualize seu prompt semanalmente.** Verifique conversas onde a qualificação falhou. Adicione esses padrões de falha ao seu prompt.

{% hint style="warning" %}
Altere um campo por vez durante as iterações. Alterar múltiplos campos simultaneamente torna impossível identificar o que melhorou ou quebrou a qualificação.
{% endhint %}

Acompanhe sua taxa de qualificação no Dashboard. Uma faixa saudável é de 30–60%. Se estiver abaixo de 30%, comece revisando seu fluxo de conversa e o limite de qualificação.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.patagon.ai/otimizacao-do-agente/optimizing-lead-qualification.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.