⭐Destaques do projeto

• É um projeto real que atualmente é utilizado pelo vendedor.

• Envio automático de notificações por e-mail após cada lead identificado e aceito.

• Deploy automatizado utilizando GitHub Actions.

• Execução contínua em uma instância AWS EC2 com Linux.

Problema de Negócio

De acordo com a empresa, esse tipo de leads é o que tem maior chance de conversão. E a remuneração dos vendedores desta empresa é 100 % comissionada, então captar este tipo de leads é uma grande vantagem.

Antes da automação, era necessário que um colaborador permanecesse atualizando manualmente a página durante 12 horas (9h – 21h).

Esse processo apresentava diversos problemas:

• Janela de tempo crítica: cada lead possuía apenas 10 minutos para ser assumido. Caso o vendedor não identificasse a oportunidade a tempo, o contato era redistribuído.

• Monitoramento contínuo: a necessidade de acompanhar a plataforma por 12 horas diárias tornava o processo desgastante e pouco eficiente.

• Perda de oportunidades: pausas para outras atividades, atendimentos ou indisponibilidade momentânea poderiam resultar na perda de leads de alto potencial.

• Baixa escalabilidade: o processo dependia exclusivamente de acompanhamento humano, limitando a capacidade de resposta.

Este é um projeto real, por questões de confidencialidade a empresa não será mencionada. O sistema da empresa permite que usuários interessados nos produtos se cadastrem para saber mais informações. Então, entre as 9h e 21h, os dados de contato são distribuídos pelo sistema entre os vendedores que só tem até 10 minutos para assumir o lead. Caso não o façam, o lead é encaminhado para outro vendedor.

Objetivo

O objetivo do projeto foi eliminar o processo manual de aceite de leads desenvolvendo uma automação que monitorasse periodicamente a plataforma e realizasse automaticamente o aceite dos leads assim que fossem identificados.

Desafios

Como solução, durante o desenvolvimento da automação, foi necessário desenvolver um mecanismo capaz de comparar a estrutura da página entre execuções para detectar alterações na interface.

Então, foi criado o arquivo complementar, detector_elementos.py.

1. Mapeamento Inicial: O script faz uma varredura na página e salva informações sobre os elementos encontrados no arquivo de histórico elementos_historico.txt.

2. Detecção de Alterações: Nas próximas execuções, ele captura novamente todos os elementos e compara com o arquivo de histórico. Caso sejam detectadas diferenças em relação ao histórico, o script identifica os novos elementos e atualiza o arquivo de histórico.

3. Registro: Os principais eventos da automação são registrados em logs (log.txt).

Execução contínua

A automação precisava funcionar 12 horas por dia sem depender do computador do desenvolvedor. Isso exigiu a utilização de infraestrutura em nuvem.

Aviso via e-mail sobre o aceite do lead

Também era necessário informar para o vendedor o aceite do lead. Como o objetivo era apenas notificar o vendedor após o aceite do lead, optou-se pelo envio de e-mail por ser uma solução simples e de baixo custo operacional. Para isso, foi necessário configurar o SSMTP e instalar o pacote MailUtils na instância Linux para permitir o envio automático de e-mails.

Embora o objetivo parecesse simples, a implementação apresentou alguns desafios.

Elementos Dinâmicos

O maior desafio técnico do projeto foi a natureza dinâmica do botão "Assumir" lead. Ele surgia na interface sem aviso prévio e desaparecia em até 10 minutos, o que dificultava a inspeção do elemento.

Figura - Imagem Ilustrativa apenas para demostração

Arquitetura Geral

Sempre que uma alteração é enviada ao repositório, um workflow do GitHub Actions é executado automaticamente, realizando o deploy da aplicação para a instância EC2.

A EC2 foi utilizada para permitir que a automação permanecesse em execução independentemente do computador da desenvolvedora.

O workflow cópia automaticamente a nova versão da aplicação para a instância Linux hospedada na AWS EC2 utilizando conexão SSH para transferir os arquivos e executar comandos remotamente.

Após o deploy, a própria infraestrutura da AWS fica responsável pela execução da automação. Um agendador (cron) inicia o script automaticamente às 9h e encerra a execução às 21h, garantindo que a automação permaneça ativa apenas durante o período em que novos leads podem ser recebidos.

Durante a execução, o arquivo principal script.py executa a automação feita em Python e Selenium. Entre suas responsabilidades estão:

• iniciar o navegador;

• realizar login;

• atualizar a página;

• clicar no botão "Assumir";

• fechar o modal de confirmação após assumir o lead;

• repetir continuamente esse processo.

Ao encontrar e clicar no botão “Assumir”, o script utiliza o SSMTP e o pacote MailUtils para enviar automaticamente uma notificação por e-mail ao vendedor.

Assim, além de automatizar o aceite de novos leads essa solução também envia uma mensagem avisando o vendedor.

O código é desenvolvido localmente e após concluir uma alteração, é realizado um push para o repositório no GitHub. Como o projeto envolve dados sensíveis, como login e senha, foram utilizados arquivos .env e GitHub Secrets para armazenar credenciais de forma segura.

Arquitetura do código principal

A automação inicia, acessa o sistema, realiza o login utilizando credenciais armazenadas nas variáveis de ambiente. Após o login, inicia-se um processo contínuo de monitoramento da página principal.

Os novos leads são adicionados dinamicamente à interface, sem recarregamento completo da página. Para verificar se há novos leads, a automação clica no botão “↻” (atualizar) que atualiza a tabela com os nomes dos leads.

Quando um novo lead é disponibilizado, o botão "Assumir" passa a estar disponível na interface. A automação identifica esse botão e realiza o clique automaticamente.

Após o aceite, um modal é exibido com as informações do cliente. O script fecha esse modal automaticamente para retomar o monitoramento. Em seguida, o processo continua até que outro lead surja na tela.

Demonstração da Aplicação

Para preservar a confidencialidade da empresa, foi desenvolvida uma aplicação demonstrativa em Flask que reproduz o fluxo da plataforma utilizada no projeto, incluindo a tela de login, a página principal e o modal de aceite de leads. O vídeo a seguir apresenta o funcionamento da interface e a execução da automação nesse ambiente de demonstração.

Resultado

Resultado obtido: durante a utilização da automação, a perda de leads foi reduzida de 70% para 0%, eliminando a necessidade de monitoramento manual da plataforma entre 9h e 21h.

Contato

Obrigada pela visita! Fique à vontade para entrar em contato, será um prazer te responder.

Copyright © 2025 - 2026. Catarina Aguiar. Todos os direitos reservados.