1 Leads
CSV exportado do CRM/planilha (separador ; ou ,). Uma linha por lead. Se tiver uma coluna com a mensagem de outreach e outra com a campanha, o Jev prevê a performance de cada mensagem.
2 Contexto
Avançado
Ranking de campanhas
Potencial = 60% score médio da mensagem + 40% score médio dos leads.
Melhor template por lead
Quantos leads o Jev direcionaria para cada template.
Leads
Requisição
Resposta
JSON bruto
O que o Jev faz (e o que não faz)
O Jev é um modelo de decisão, não de texto. Você manda um state (os dados do lead + a mensagem) e perguntas tipadas; ele devolve probabilidades calibradas em ~70–500 ms, cobrando só os tokens de entrada (US$ 0,042 por milhão).
- noul — sim/não, devolve a probabilidade de “sim” (0–1). Usado nos sinais de compra, mismatch, CTA e spam.
- score — nível numa escala que você define, com distribuição e
confidence. Usado em fit com ICP, intenção, chance de resposta e personalização. - choice — escolhe uma opção entre várias, com probabilidades. Usado para o melhor template.
Cada lead vira uma chamada com todas as perguntas juntas (o Jev avalia todas em paralelo, então perguntas extras não aumentam a latência). Os scores compostos (lead score, score da mensagem, potencial da campanha) são calculados em código a partir das respostas — os pesos estão em public/js/jev.js → SCORING.
Limitações que valem saber
- Inglês é o idioma mais preciso. Português funciona, mas teste e observe a confiança.
- Não faz conta nem compara datas/números bem — deixe isso para o código (ex.: “funcionários > 50” calcule antes e mande como faixa).
- Colunas irrelevantes atrapalham. Envie só o que ajuda a decidir.
- É uma previsão de senso comum, não um modelo treinado com o seu histórico. Para calibrar, compare com taxas de resposta reais e ajuste os pesos.
Confiança
Choice e score trazem confidence (0–1). Abaixo de 0,5 o lead é marcado “revisar”: o modelo está dizendo que não tem certeza. Use isso para decidir o que automatizar e o que mandar para um humano.