Encontrando leads no ruído das redes sociais

Contexto

Founders e times de vendas perdem horas procurando pessoas que estão pedindo exatamente o que eles vendem, espalhadas em milhares de posts. O Sinalo coleta conversas públicas e entrega só as que parecem um lead, explicando o motivo.

Restrições

• Quase tudo é ruído: a fração de posts úteis é pequena.
• Fontes com formatos e limites diferentes.
• Cada classificação com LLM tem custo; o volume precisa ser filtrado antes.

Decisões e trade-offs

• Embeddings antes do LLM. Uma primeira triagem por similaridade semântica descarta o ruído barato e deixa o modelo mais caro só para os candidatos.
• Score com justificativa. O usuário recebe uma nota e o porquê, não só “sim ou não”. A explicação ajuda a confiar no resultado e a ajustar o critério.
• Pipeline por etapas. Coleta, limpeza, embeddings e score são independentes, então dá para trocar uma fonte ou um modelo sem refazer o resto.

Resultado

Produto em lançamento, com landing pública em osinalo.com.

O que eu faria diferente

Montaria desde o início um conjunto de avaliação rotulado à mão para medir precisão do score a cada mudança de modelo ou prompt.