Depoimentos de clientes Buriti AI

O que nossos clientes dizem

Projetos reais, resultados que podem ser medidos

Relatos de clientes que passaram pelo processo de implementação — com detalhes sobre o que funcionou e o que foi ajustado ao longo do caminho.

← Página Inicial

40+

Projetos entregues

4,7

Média de satisfação (de 5)

92%

Clientes com retorno ao serviço

4 anos

Atuando no mercado brasileiro

Depoimentos

O que os clientes relatam

BM

Bruno Menezes

CTO — plataforma de e-books, São Paulo

Nosso catálogo tinha pouco mais de 2.000 títulos e eu duvidava que valeria o investimento. A equipe fez a análise prévia e mostrou que os dados que tínhamos eram suficientes para construir algo funcional. O motor entrou em produção em cinco semanas e já no primeiro mês os usuários passaram mais tempo navegando pelas sugestões do que buscando diretamente.

Abril de 2025

LV

Larissa Vieira

Diretora de Produto — marketplace de artesanato, BH

O processo foi mais trabalhoso do que esperávamos na fase de preparo dos dados — mas a equipe foi transparente sobre isso desde o início. O resultado compensa. As recomendações reduziram visivelmente o abandono de sessão. Teria dado uma estrela a mais se o prazo tivesse sido cumprido à risca, mas o atraso foi comunicado com antecedência e foi pequeno.

Março de 2025

RP

Rodrigo Paiva

Gerente de Dados — distribuidora de insumos, Goiânia

Optamos pelo sistema multi-estratégia porque nosso catálogo está sempre mudando — produtos sazonais, lançamentos frequentes. O ensemble adaptativo faz diferença: as sugestões não ficam estagnadas quando atualizamos o mix. A revisão trimestral do primeiro ano ajudou muito no ajuste fino.

Abril de 2025

FS

Fernanda Salles

Head de Tecnologia — plataforma de cursos online, RJ

A parte que mais me surpreendeu foi a documentação da API. Conseguimos integrar em dois dias sem precisar acionar a Buriti novamente. Nossa equipe de desenvolvimento é pequena e isso foi fundamental. O canal de suporte durante a calibração também foi útil — responderam dúvidas específicas com clareza.

Maio de 2025

TA

Thiago Alves

Fundador — app de receitas regionais, Fortaleza

Tenho um app com catálogo de receitas regionais nordestinas — nicho bem específico. A análise exploratória mostrou que tínhamos dados suficientes, mas com algumas lacunas de interação em determinadas categorias. A equipe ajustou a estratégia para contornar isso e o resultado ficou dentro do esperado. Pretendo expandir para o plano multi-estratégia quando o catálogo crescer.

Março de 2025

MC

Marina Costa

VP de Engenharia — fintech de benefícios, Porto Alegre

Precisávamos de conformidade rigorosa com a LGPD — estamos em setor regulado. A Buriti AI tratou isso como requisito de arquitetura, não como checklist. Tivemos auditoria interna depois da entrega e não identificamos nenhuma fragilidade no modelo de dados adotado. Isso por si só já valia o investimento.

Abril de 2025

Casos de Uso

Como os projetos se desenvolveram

Três situações reais que ilustram o processo — desde o diagnóstico até os resultados observados.

Plataforma de e-books — São Paulo

Motor Catálogo Pequeno · 5 semanas

Desafio

Catálogo de 2.200 títulos com seis meses de histórico de compras. Usuários recorrentes navegavam sem encontrar novos títulos relevantes, aumentando o churn pós-assinatura.

Solução

Motor com filtragem colaborativa ajustada para catálogos pequenos, combinada com sinalização baseada em gênero e autor. Janela de calibração de 30 dias com ajuste de pesos por categoria.

Resultados observados

Aumento de 34% no tempo médio de sessão. Redução de 18% na taxa de abandono após o primeiro mês. Crescimento de 22% nas compras de títulos fora da lista de buscas diretas.

Marketplace de artesanato — Belo Horizonte

Multi-Estratégia · 11 semanas

Desafio

Catálogo de 18.000 produtos de artesãos diferentes, com comportamento de compra muito variável e dificuldade em recomendar itens de vendedores com menor visibilidade.

Solução

Sistema multi-estratégia com componente de diversidade que balanceou recomendações entre itens populares e de cauda longa. A/B testing implementado para comparar variações de ranking.

Resultados observados

Visibilidade de produtos de cauda longa cresceu 41%. Taxa de conversão nas páginas com recomendações aumentou 27% frente ao controle. Abandono de carrinho reduziu em 15%.

Fintech de benefícios — Porto Alegre

Plataforma Empresarial · 16 semanas

Desafio

Organização com três superfícies distintas de personalização — app para RHs, app para colaboradores e e-mail marketing — com requisito rigoroso de conformidade à LGPD por operar em setor regulado.

Solução

Plataforma empresarial com infraestrutura compartilhada e modelos distintos por superfície. Framework de governança com controles de acesso por perfil e logs de auditoria. Dashboard de monitoramento integrado.

Resultados observados

Engajamento com benefícios recomendados cresceu 38% nos primeiros dois meses. A auditoria interna de conformidade não identificou fragilidades. Tempo de resposta das APIs ficou abaixo de 80ms em produção.

Contato

Fale com a equipe

Endereço

Rua 7 de Setembro, 1085
Centro, Goiânia - GO

Atendimento

Seg–Sex: 9h às 18h
Sáb: 9h às 13h

Quer ver se o seu caso tem perfil parecido?

Descreva o seu contexto e conversamos sobre o que seria viável para o seu catálogo e histórico de dados.

Iniciar Conversa