Como comparar a conversão de duas CRCs se cada uma recebe pacientes de perfil diferente?

"Como comparar a conversão de duas pessoas do comercial se cada uma recebe pacientes de perfil diferente?"

Você abre o painel e vê, digamos, 18% de conversão para uma CRC e 11% para a outra. A conversa da reunião já está decidida.

Só que esse número pode não estar falando sobre elas.

Se uma recebe o lead de formulário que chega de madrugada e a outra recebe o clique-para-WhatsApp do meio da tarde, boa parte da diferença já estava dada antes da primeira mensagem. Você está comparando duas filas, não duas profissionais.

A boa notícia: existe método pronto para isso, e ele não é acadêmico. Hospitais comparam desempenho entre si com exatamente esse problema há anos, e as técnicas que eles usam cabem numa planilha de clínica.

Neste guia você vai ver:

• Por que a taxa bruta por CRC mente quando a fila de entrada é diferente
• Os fatores de mistura que contaminam a comparação, com dados medidos de quanto cada um pesa
• Os 4 métodos de comparação justa (estratificação, pareamento, padronização e série temporal)
• Quanto volume você precisa antes de a diferença significar alguma coisa
• Quais métricas ficam de fato sob controle da CRC e quais são refém da fila
• Como distribuir lead e dar devolutiva sem quebrar o time

Por que a taxa de conversão por CRC não é comparável quando a fila é diferente

Taxa de conversão é uma fração. Numerador: agendamentos. Denominador: leads recebidos.

O problema mora no denominador.

Quando as duas CRCs recebem leads com composição diferente, o denominador de uma não é feito da mesma matéria-prima que o da outra. Comparar as frações é comparar coisas distintas com o mesmo nome.

Em estatística de desempenho isso tem nome: case mix, a mistura de casos que cada avaliado recebeu. Hospital não é comparado por mortalidade bruta porque um atende mais caso grave. Sua CRC não deveria ser comparada por conversão bruta pelo mesmo motivo.

E não é um detalhe fino. É a diferença entre demitir a pessoa certa e demitir a errada.

O paradoxo de Simpson no comercial: a pior taxa agregada pode ser a melhor operação

Aqui está o ponto que mais surpreende dono de clínica: a CRC com a pior taxa total pode estar ganhando em todos os recortes ao mesmo tempo.

Isso é o paradoxo de Simpson, o fenômeno em probabilidade e estatística no qual uma tendência aparece em vários grupos de dados mas desaparece ou se inverte quando os grupos são combinados.

O caso clássico é de admissão universitária. Nas admissões de pós-graduação da Universidade da Califórnia em Berkeley no outono de 1973, foram 8.442 candidatos homens, com 44% admitidos, contra 4.321 candidatas mulheres, com 35% admitidas. A leitura agregada sugeria viés contra as mulheres.

Os dados agrupados e corrigidos por departamento mostraram outra coisa: um viés pequeno, porém estatisticamente significativo, em favor das mulheres. Elas se candidatavam a departamentos mais concorridos.

Traduza para a sua clínica: "departamento mais concorrido" é a fila de lead frio de formulário. "Departamento menos concorrido" é a fila de indicação e orgânico.

Repare no que isso significa na prática:

• A CRC com a fila mais difícil pode aparecer pior no total mesmo vencendo em cada fatia.
• Quanto mais desiguais forem as filas, maior a chance de a leitura agregada se inverter.
• Nenhuma quantidade de boa vontade na reunião conserta isso. Só o corte por estrato conserta.

Os 6 fatores de mistura que contaminam a comparação

Antes de escolher o método, mapeie o que está diferente entre as duas filas. Estes são os fatores que mais aparecem em clínica odontológica.

Fator de mistura	Como contamina a comparação	Como neutralizar
Canal de origem	Formulário, clique-para-WhatsApp, orgânico e indicação têm taxa de resposta muito diferente	Estratificar por canal e comparar dentro de cada um
Turno e dia de chegada	Lead da madrugada e do fim de semana converte diferente do lead do horário comercial	Estratificar por faixa horária e por dia útil ou fim de semana
Procedimento e ticket	Lead de clareamento decide rápido, lead de reabilitação decide em semanas	Separar por linha de tratamento e faixa de valor
Estágio do funil	Lead novo, orçamento em aberto e base de reativação são populações distintas	Nunca somar reativação com lead novo no mesmo denominador
Volume recebido	Quem recebe pouco tem taxa instável e sobe ou desce por acaso	Exigir célula mínima antes de comparar
Tempo de casa	CRC em rampa produz curva ascendente, não patamar	Comparar por tempo de casa, não por mês do calendário

Dica: se você só conseguir controlar dois fatores, escolha canal e estágio do funil. São os que mais movem o denominador na maioria das operações.

Quanto o canal de origem muda a taxa sozinho

Este é o fator mais subestimado, e dá para medir.

Segundo dados internos da Odonto Results (2026), 63,0% dos leads de anúncio no WhatsApp respondem à clínica, contra 43,9% dos leads de formulário. Base: 20.306 sessões dentro do WhatsApp. Janela: 25 de março a 25 de agosto de 2026.

A distância entre os dois canais na porta de entrada passa de 19 pontos percentuais (63,0% contra 43,9%, mesmo recorte), e nada disso é mérito ou culpa de quem atende.

Mas veja o que acontece quando você tira do denominador quem nunca respondeu: entre os leads que respondem, o formulário vira agendamento dentro da conversa em 27,1% dos casos, e o clique-para-WhatsApp em 25,6% (mesmo recorte e janela, dados internos da Odonto Results).

O lead de formulário não é pior. Ele só é mais difícil de fazer responder.

Agora imagine as duas CRCs da sua clínica: uma com a fila de formulário, outra com a de clique-para-WhatsApp. A taxa bruta vai dar vantagem para a segunda antes de qualquer avaliação de competência. Se você quer entender essa diferença de canal em profundidade, veja o comparativo de anúncio com WhatsApp ou formulário.

Quanto o turno de chegada muda a taxa sozinho

O horário em que o lead chega também carrega taxa embutida.

Segundo dados internos da Odonto Results (2026), o agendamento dentro da conversa varia assim por faixa de chegada do lead. Base: 21.433 leads. Janela: 25 de março a 25 de agosto de 2026.

Faixa de chegada do lead	Agendamento dentro da conversa
Manhã (6h às 12h)	21,7%
Tarde (12h às 18h)	19,2%
Noite (18h às 24h)	16,1%
Madrugada (0h às 6h)	15,1%

A distância entre a melhor faixa (21,7%) e a pior (15,1%) é de 6,6 pontos percentuais. E isso importa muito porque, no mesmo recorte, 46,0% dos leads chegam fora do horário comercial (dados internos da Odonto Results, 21.433 leads, janela de 25 de março a 25 de agosto de 2026).

Ou seja: a escala de plantão da sua equipe é, sozinha, um gerador de diferença de taxa.

Se a CRC A cobre a manhã e a CRC B cobre a noite, você já sabe quem vai "ganhar" no painel. E não terá aprendido nada sobre elas.

Os 4 métodos para comparar com justiça

Escolhido o que controlar, escolha como. São quatro caminhos, do mais simples ao mais elaborado.

Método	O que exige	Quando usar	Limitação honesta
Estratificação	Registro limpo de canal, turno e procedimento	Sempre. É o passo zero	Fatias pequenas ficam instáveis
Pareamento (template matching)	Amostra de leads equivalentes montada de propósito	Comparação pontual de duas pessoas	Descarta parte dos dados
Padronização direta	Estratos já calculados	Painel mensal recorrente	Não corrige fator que você não registrou
Série temporal por pessoa	Histórico de pelo menos alguns meses	Feedback individual e rampa	Não responde "quem é melhor"

1. Estratificação: compare dentro, agregue depois

Calcule a taxa de cada CRC dentro de cada estrato antes de olhar qualquer número total.

Comece com um cruzamento simples: canal x turno x linha de tratamento. Se a CRC A vence em todas as células, a conversa acabou. Se ela vence em umas e perde em outras, você tem um diagnóstico útil, não um veredito.

2. Pareamento: monte uma amostra equivalente e compare sobre ela

O pareamento resolve o problema construindo, de propósito, um conjunto de casos com características parecidas.

O método tem uso consolidado em saúde. No estudo de template matching aplicado ao benchmarking hospitalar do sistema de saúde dos veteranos dos Estados Unidos, publicado na revista Medicine em 2019 sobre dados de 2015 (460.213 internações em 111 hospitais), os autores descrevem que, no template matching, os hospitais são comparados sobre um conjunto de pacientes com características semelhantes, o que torna o benchmarking mais crível. Eles selecionaram aleatoriamente um template representativo de 240 pacientes e parearam 240 pacientes de cada hospital simulado contra esse template.

Na clínica a mecânica é a mesma, em escala menor:

1. Sorteie um conjunto de leads que represente a sua entrada típica (mistura de canal, turno e procedimento).
2. Para cada lead do template, encontre na fila de cada CRC um lead com as mesmas características.
3. Compare as duas apenas sobre esses pares.

O custo é jogar fora os leads que não encontram par. O ganho é uma comparação que a própria equipe entende, porque ela consegue apontar os casos.

3. Padronização direta: recalcule como se as duas tivessem recebido a mesma mistura

É a técnica que melhor cabe num painel mensal, e é aritmética de planilha.

Funciona em três passos:

1. Calcule a taxa de cada CRC dentro de cada estrato.
2. Defina uma mistura de referência (por exemplo: a distribuição de leads da clínica inteira no mês).
3. Aplique as taxas de cada CRC sobre essa mesma mistura de referência e some.

O resultado responde a pergunta certa: qual seria a conversão de cada uma se ambas tivessem recebido a mesma fila?

Exemplo hipotético para fixar: suponha que a CRC A converta 25% no canal fácil e 10% no difícil, e a CRC B converta 27% no fácil e 12% no difícil. Se a fila de A for 80% fácil e a de B for 30% fácil, o bruto favorece A e o padronizado favorece B. É o paradoxo de Simpson aparecendo no seu painel.

4. Série temporal: cada CRC contra ela mesma

O comparador mais justo que existe é o próprio histórico da pessoa.

Se a CRC B melhorou a taxa de resposta obtida por três meses seguidos, isso é informação limpa: a fila dela mudou pouco, e a variação sobra para o comportamento. Ranking cruzado responde "quem é melhor". Série temporal responde "quem está melhorando", que é a pergunta que muda o resultado do mês que vem.

Por que a equipe acha o ajuste estatístico injusto (e como resolver)

Aqui mora a armadilha prática do ajuste por risco: ele funciona e ninguém confia nele.

Modelo de ajuste (regressão, escore de propensão, índice de complexidade) entrega o número mais correto e o menos convincente. Quem é avaliado não consegue recalcular no papel, então a leitura vira "a planilha decidiu que eu sou pior".

O antídoto é escolher transparência acima de sofisticação:

• Prefira padronização direta a modelo estatístico sempre que os dois derem resposta parecida. Padronização é soma e multiplicação, e a CRC consegue conferir.
• Mostre a tabela por estrato, não só o número final ajustado. O ajuste tem que ser reprodutível pela pessoa medida.
• Explique a mistura de referência antes do mês começar, nunca depois do resultado sair.

Nota: métrica que a equipe não consegue auditar não gera comportamento, gera desconfiança. O gasto de credibilidade custa mais caro que a precisão extra do modelo.

Quantos atendimentos você precisa antes que a diferença signifique algo

Duas CRCs com 40 leads cada no mês vão exibir taxas diferentes mesmo que sejam idênticas em competência. Isso é ruído amostral, não desempenho.

A literatura de perfilamento individual em saúde é dura nesse ponto. Um estudo de variação em cuidado do diabetes publicado em Health Services Research (2002), analisando médicos de atenção primária, grupos e unidades do sistema de saúde dos veteranos dos Estados Unidos, concluiu que pouco da variação nas práticas medidas é atribuível ao médico individual e que, a menos que o painel de pacientes seja grande, o perfilamento individual será impreciso. Quando o efeito do médico é pequeno (2% da variação), é necessário um painel de 200 pacientes diabéticos para construir perfis com 80% de confiabilidade.

O mecanismo é o mesmo no seu comercial: quanto menor a fatia da variação que pertence à pessoa, mais casos você precisa para enxergar essa fatia por cima do ruído.

Regra de conduta que sai daí, sem cravar número para a sua realidade:

• Trate ranking mensal de CRC com fila pequena como sorteio, não como avaliação.
• Antes de comparar uma célula (canal x turno), exija uma célula mínima definida por escrito e a mesma para todo mundo.
• Se a célula não bate a mínima, agregue meses em vez de reduzir a exigência.

O que fazer quando a amostra é pequena demais

Clínica que fatura bem nem sempre tem volume de lead que sustente estatística por pessoa. Quando esse for o caso, mude de instrumento:

1. Agregue trimestre em vez de mês, aceitando perder velocidade de leitura.
2. Migre para métricas de processo, que acumulam evidência muito mais rápido que desfecho (toda conversa gera uma medição de velocidade de resposta, mas só uma fração gera agendamento).
3. Audite conversa por conversa. Um punhado de conversas lidas com checklist diz mais sobre uma CRC do que a taxa de um mês inteiro quando a fila é pequena. Uma auditoria de conversas de CRC no WhatsApp transforma isso em rotina em vez de mutirão.

Métricas sob controle da CRC x métricas contaminadas pela fila

A saída mais rápida do impasse é medir o que a pessoa de fato controla.

Métrica	Sob controle da CRC?	Por quê
Velocidade da primeira resposta	Alto	Depende de disciplina e escala, não do lead
Follow-up executado conforme a cadência	Alto	É tarefa registrada, verificável uma a uma
Taxa de resposta obtida (lead respondeu)	Médio	Abordagem pesa, mas o canal pesa muito
Agendado entre respondentes	Médio	Tira o não respondente do denominador
Comparecimento do agendado	Médio	Confirmação ajuda, perfil do paciente também
Lead para agendamento (taxa bruta)	Baixo	É a métrica mais refém da mistura da fila

Repare na hierarquia: as métricas de topo da tabela acumulam evidência rápido e não dependem de quem entrou na fila. São elas que devem sustentar coaching semanal. A taxa bruta fica onde ela funciona bem, que é medir a operação inteira, não a pessoa.

Agendado entre respondentes: o melhor denominador disponível

Se você só puder trocar uma métrica, troque essa.

Segundo dados internos da Odonto Results (2026), entre os leads que respondem à clínica no WhatsApp, a mediana entre clínicas é de 21% que viram agendamento na conversa (faixa típica de 16% a 28%), sem contar telefone. Base: 21.433 leads. Janela: 25 de março a 25 de agosto de 2026.

No mesmo recorte, a taxa de lead para agendamento dentro do WhatsApp fica em 12% (faixa de 9% a 15%), sem contar telefone (dados internos da Odonto Results, mesma base e janela).

A diferença entre os dois números é exatamente a parte do resultado que depende de o lead responder, e essa parte é a mais determinada pelo canal.

Distribuição de leads: rodízio dentro do estrato (e quando não randomizar)

O jeito mais barato de resolver comparação injusta é não criar a injustiça na origem.

Se a fila é distribuída por rodízio aleatório dentro de cada estrato, as duas CRCs passam a receber misturas equivalentes por construção, e a taxa bruta volta a ser comparável sem malabarismo estatístico.

O rodízio precisa ser dentro do estrato, não no bolo. Distribuir aleatoriamente o total ainda deixa uma pessoa com mais formulário de madrugada por puro acaso quando o volume é baixo.

Só que existe caso em que randomizar é errado:

• Roteamento por especialidade. Se uma CRC domina reabilitação e a outra domina ortodontia, mandar lead ao acaso reduz a conversão da clínica.
• Roteamento por idioma ou região. Faz sentido de atendimento e quebra a comparação.
• Roteamento por ticket. Caso de alto valor concentrado em quem tem repertório é decisão correta de negócio.

Nesses casos você troca de estratégia: mantém o roteamento, aceita que a fila é diferente de propósito e compensa na medição com padronização direta e série temporal. Não force randomização que prejudica o paciente para facilitar a sua planilha. Quando o roteamento é por probabilidade de fechamento, vale entender como funciona a priorização da fila do comercial por lead scoring.

O efeito colateral de premiar taxa bruta

Métrica não é só termômetro. Ela é instrução.

No momento em que a taxa bruta vira base de bônus, três comportamentos aparecem, e nenhum deles é falta de caráter, é resposta racional ao incentivo:

1. Seleção de lead fácil. A CRC trabalha o que converte e negligencia o difícil, que é justamente onde a clínica perde dinheiro.
2. Abandono precoce do lead difícil. Menos follow-up no caso que exigiria cinco toques, porque ele estraga a média.
3. Distorção de registro. Lead marcado como inválido, duplicado ou fora de perfil para sumir do denominador. Isso corrói o dado que você usa para decidir verba.

O risco não é só comportamental. Comissão e bônus atrelados a uma métrica que a própria empresa sabe ser contaminada geram disputa interna previsível, e a discussão sobre quem recebeu a fila pior é difícil de resolver depois que o dinheiro já foi pago.

Estruture o incentivo sobre o que a pessoa controla e sobre desfecho absoluto (agendamentos que comparecem), não sobre razão contaminada. Se você está desenhando esse pacote agora, use o material sobre modelo de comissão de CRC e closer como base e aplique o ajuste de mistura por cima.

Como dar a devolutiva sem quebrar o time

Comparação existe para melhorar resultado, não para produzir vencedor. A escolha do comparador decide qual dos dois acontece.

Três comparadores possíveis, com efeitos diferentes:

1. Média do grupo. Fácil de calcular, mas transforma metade da equipe em "abaixo da média" por definição matemática, todo mês, para sempre.
2. Melhor da casa (o topo da distribuição). Bom como referência de teto e péssimo como régua de cobrança, porque a distância raramente é atribuível só a esforço.
3. Próprio histórico. O mais justo e o mais acionável, porque isola a pessoa da fila e aponta uma direção clara.

O formato que funciona na reunião mistura os três, nessa ordem: primeiro a curva da pessoa contra ela mesma, depois a posição dela na distribuição (sem nomear os outros), depois um caso concreto de conversa.

E uma regra prática de convivência: nunca apresente ranking cruzado sem mostrar a tabela por estrato ao lado. Quem recebeu a fila difícil precisa ver isso reconhecido no mesmo slide, ou a devolutiva vira ressentimento. Para o desenho completo da conversa de desempenho, veja como estruturar a avaliação de desempenho da equipe.

O painel mensal do dono: quais colunas olhar

Substitua a coluna única de conversão por um conjunto pequeno e estável.

Coluna	Para que serve
Leads recebidos, quebrados por canal e turno	Mostra a fila antes de mostrar o resultado
Mediana de tempo até a primeira resposta	Métrica de processo, sob controle, acumula rápido
Taxa de resposta obtida	Diagnóstico de abordagem, lida junto com o canal
Agendado entre respondentes	Denominador menos contaminado
Conversão padronizada (mesma mistura para todos)	O número comparável de verdade
Conversão bruta	Fica, mas como leitura da operação, não da pessoa
Comparecimento dos agendados	Fecha o funil na cadeira, não no agendamento

Sete colunas cabem numa tela e contam a história inteira. Se você ainda monta isso na mão, o caminho é montar um dashboard comercial do funil de fechamento que já entregue os cortes prontos.

Rampa da CRC nova: por que comparar recém-contratada com veterana é erro de mistura

Tempo de casa funciona como qualquer outro fator de mistura, e é o mais ignorado.

A CRC recém-contratada erra script, conhece menos os procedimentos, hesita em objeção de preço e ainda está aprendendo a agenda. Ela não está com desempenho pior: ela está em outro ponto da curva.

Compare tempo de casa contra tempo de casa. O segundo mês da nova contra o segundo mês da veterana, quando houver histórico. Se não houver, compare a nova apenas com ela mesma, semana a semana, e defina de antemão em quanto tempo você espera que a curva estabilize.

Como registrar origem e perfil do lead no CRM para viabilizar o corte

Nada disso existe sem dado. E o dado quase sempre falta pelo mesmo motivo: ninguém definiu campo obrigatório na entrada.

O mínimo que precisa estar registrado, automaticamente e não por digitação:

• Canal de origem com granularidade real (formulário, clique-para-WhatsApp, orgânico, indicação, telefone), não só "internet".
• Data e hora de chegada do lead, para derivar turno e dia da semana.
• Procedimento de interesse declarado, mesmo que aproximado.
• Estágio (lead novo, orçamento em aberto, reativação de base).
• CRC responsável e o momento em que ela assumiu a conversa.
• Timestamps da primeira mensagem da clínica e da primeira resposta do lead.

Duas regras de higiene que salvam a análise:

1. Origem carimbada na entrada, nunca preenchida depois. Campo preenchido a posteriori vira o que a pessoa lembra, não o que aconteceu.
2. Uma conversa, um dono. Lead que passou por três pessoas sem registro de transferência destrói qualquer atribuição.

Os 7 erros mais comuns nessa comparação

1. Comparar períodos diferentes. Mês com feriado, campanha nova no ar ou verba dobrada muda a fila inteira.
2. Ignorar o volume. Uma taxa alta apurada sobre uma dúzia de leads não é comparável com uma taxa um pouco menor apurada sobre centenas.
3. Somar reativação com lead novo. São populações com comportamento e intenção diferentes.
4. Usar só o agregado. É o convite direto ao paradoxo de Simpson.
5. Comparar quem atende plantão noturno com quem atende horário comercial.
6. Deixar a CRC escolher qual lead pega. Autoseleção da fila destrói a comparação na origem.
7. Cravar veredito antes de checar o registro. Metade das diferenças some quando você audita como o CRM foi preenchido.

Lembre: taxa de conversão por pessoa mede a fila e a pessoa juntas. Enquanto você não separar as duas, todo ranking do comercial é uma opinião com casas decimais.

Seu próximo passo

1. Rode o corte por estrato antes da próxima reunião. Puxe os leads dos últimos 90 dias e quebre a conversão de cada CRC por canal e por turno. Se as posições mudarem em relação ao painel bruto, você acabou de encontrar o problema.
2. Troque a métrica de coaching semanal. Substitua a taxa bruta por velocidade da primeira resposta, taxa de resposta obtida e agendado entre respondentes, e mostre a tabela por estrato junto com qualquer comparação.
3. Ajuste a distribuição na origem. Implante rodízio dentro de cada estrato onde faz sentido e, onde o roteamento por especialidade for necessário, assuma a fila desigual e compense com padronização direta no painel.

Quer transformar o comercial da sua clínica num sistema medido de verdade, do anúncio ao paciente na cadeira? Agende uma apresentação.