.png)
Gestão de Rede — Edenred / Sou Log+
Gestores de frotas usavam até 5 plataformas diferentes para controlar onde seus motoristas abasteciam — sem sucesso. O resultado era sobrepreço sistemático, decisões na mão do motorista e milhares de reais perdidos todo mês.
Serviço
Design de Serviço; UX Research; Design de Interação
Cliente
Edenred/SouLog+
Ano
2025/26
Desafio
Gestores de frotas no Brasil enfrentam um problema silencioso e caro: seus motoristas abastecem onde querem, quando querem — sem critério de preço, sem lógica de rota, sem controle real. Para tentar resolver isso, os gestores usavam até 5 plataformas diferentes simultaneamente, cruzando dados de forma manual, sem visibilidade consolidada e sem poder de ação efetivo.
O resultado? Sobrepreço sistemático, perda de poder de negociação e milhares de reais desperdiçados todo mês — sem que o gestor soubesse exatamente onde.
O desafio era criar um módulo inédito dentro do Sou Log+ que devolvesse o controle da rede de abastecimento para as mãos do gestor.
O problema
Três grandes barreiras sustentavam o caos na gestão de rede:
Sobrepreço invisível:
Os motoristas abasteciam em postos com preços acima da média de mercado, muitas vezes sem que o gestor tivesse visibilidade em tempo real do quanto isso custava.
Poder de decisão no lugar errado:
A escolha do posto era feita pelo motorista — influenciado por programas de pontos, conveniência e hábito. Todo o marketing dos postos era direcionado à pessoa física, não ao gestor que pagava a conta.
Fragmentação de ferramentas:
Direcionamento de rede, negociação de preços, bloqueio de postos, comunicação com motoristas — cada ação exigia uma ferramenta diferente, tornando o processo lento, manual e propenso a erros.
Como eu cheguei na Solução
O processo de discovery deste projeto foi o mais robusto que já conduzi. Não chegamos na solução por intuição — chegamos por camadas de evidência, cada etapa construindo sobre a anterior até termos clareza suficiente para desenhar algo que realmente resolvesse o problema certo.
Etapa 1 — Workshop com Stakeholders
O projeto começou com um workshop colaborativo com o time de produto, negócios e especialistas comerciais para mapear dores, oportunidades e alinhar os objetivos do discovery. Saímos com hipóteses claras e uma agenda de pesquisa estruturada.
Etapa 2 — Pesquisa Quantitativa Interna
Antes de falar com clientes, rodamos uma pesquisa quantitativa interna para entender como o problema era resolvido hoje — quais ferramentas eram usadas, com que frequência gestores recomendavam postos aos motoristas e quais eram os critérios mais valorizados.
Os dados revelaram que a maioria dos gestores recomendava postos manualmente, via WhatsApp, sem qualquer dado de preço ou rota integrado.
Etapa 3 — Matriz CSD
Com as hipóteses mapeadas, construímos a Matriz CSD — Certezas, Suposições e Dúvidas — para organizar o que já sabíamos, o que precisávamos validar e o que era incerteza crítica antes de avançar.
Etapa 4 — Entrevistas em Profundidade com Clientes
Conduzi entrevistas qualitativas com gestores de frotas de diferentes portes e perfis de maturidade — desde frotas com abastecimento centralizado até operações pulverizadas em centenas de postos pelo Brasil.
Os perfis incluíam: Rodrigo (gestor de frota com 13.000 veículos), David (responsável por dados de frotas nacionais), Daniela (responsável por frotas de 25 estados), além de entrevistas presenciais com times operacionais.
Os 5 principais achados:
Como as frotas operam hoje: operações altamente manuais, baseadas em rotas fixas e relacionamento com postos. Uso massivo de WhatsApp para direcionar e comunicar motoristas. Listas internas definem postos liberados e bloqueados.
Como escolhem um posto: os critérios na ordem de relevância são segurança (credenciamento da bandeira), preço negociado, localização na rota, histórico e estrutura mínima do posto.
Principais dores: processo muito manual, lento e difícil de visualizar. O gestor bloqueia postos que seriam vantajosos. Dificuldade de comparar rapidamente preço, risco e rota. Não existe canal unificado de recomendação. Falta visão consolidada da rede e das opções disponíveis. Motoristas resistem a mudanças quando não há clareza.
O que realmente querem: postos recomendados automaticamente com preço confiável, risco avaliado, rota otimizada e negociação pré-aprovada — sem depender do WhatsApp. Indicadores claros de economia, adesão e performance de postos.
A oportunidade: criar uma solução que integre rota, risco, preço, negociação e recomendação, eliminando o trabalho manual e aumentando controle e economia.
Etapa 5 — Pesquisa Quantitativa com Clientes na Plataforma
Com os insights das entrevistas, lançamos uma segunda pesquisa quantitativa diretamente na plataforma para os clientes, validando os achados em escala e priorizando funcionalidades com base em frequência de dor e impacto esperado.
Principais insights:
Com os insights das entrevistas qualitativas consolidados, precisávamos validar em escala o que ouvimos de 9 gestores. Lançamos uma pesquisa quantitativa diretamente na plataforma Sou Log+, abrangendo diferentes segmentos de clientes — CRT, Gen Hub, Mercado Público, SME e CRT — com 305 respostas no total.
Com que frequência gestores direcionam postos aos motoristas?
30% dos gestores fazem isso mensalmente ou mais. Mas o dado mais revelador foi o oposto: uma parcela significativa simplesmente não faz — seja porque não tem ferramenta adequada, seja porque não se sente responsável por isso. O hábito existe, mas o processo é travado pela falta de suporte.
O que mais pesa na escolha de um posto?
Preço de combustível lidera com 24% das respostas, seguido de rota e localização do motorista (tempo e distância) e disponibilidade entre preço e praticidade. Condições comerciais e possibilidade de negociação aparecem em quarto lugar — confirmando que preço não é tudo, mas é o ponto de partida de qualquer recomendação.
Quais os principais desafios no direcionamento hoje?
O maior problema, apontado por 20% dos gestores, é o posto praticar um preço diferente do exibido na plataforma — gerando perda de tempo, custo extra e frustração. Em segundo lugar: a falta de dados para comparação entre postos. Em terceiro: bases adicionais sem acesso ao sistema de direcionamento.
Como as recomendações chegam até os motoristas hoje?
WhatsApp lidera com 46%. Seguido de sistema interno da empresa (14%) e WhatsApp corporativo (14%). Isso confirma o que as entrevistas já apontavam: o processo de comunicação é completamente informal, manual e fora de qualquer ferramenta de gestão.
O que os gestores querem que o sistema faça quando encontrar um posto melhor?
A resposta mais escolhida foi clara: sugerir o posto e permitir criar a recomendação para o motorista com 1 clique (22%). Logo depois: marcá-lo como posto para analisar e aprovar antes de enviar. Gestores querem controle, não automação cega — querem que a inteligência trabalhe para eles, não no lugar deles.
Resumo em uma frase — o que os dados disseram: Clientes querem maior precisão nos preços exibidos, mais postos credenciados com combustível de qualidade, ferramentas inteligentes com IA e roteirização para otimizar rotas, relatórios detalhados e transparência para evitar cobranças abusivas e adulterações.
Etapa 6 — Mapeamento de Jornadas
Com todos os dados em mão, mapeei as jornadas atuais — como os gestores fazem hoje o direcionamento de rede — e desenhei as jornadas ideais para os três perfis de cliente identificados:
Clientes com rede fechável: possibilidade de restringir a rede a apenas postos credenciados vantajosos financeiramente.
Clientes com rede ampla: foco em remover apenas postos críticos com preço muito acima do mercado.
Clientes com centralização de volume (CRT): gestão de trocas esporádicas de posto, integrada ao módulo de Gestão de Preço.
Etapa 7 — Ideação e Userflow
Com as jornadas definidas, entramos na fase de ideação usando referências de produtos consagrados em exibição de mapas e recomendação de locais — como Google Maps e Airbnb — para inspirar padrões de interface que os usuários já conhecem e confiam.
Desenhamos os Userflows para os dois cenários principais: o primeiro direcionamento de rede e a edição de um direcionamento existente.
Etapa 8 — Rabisco e Wireframe
Antes de abrir o Figma, rabiscamos o escopo do protótipo à mão para alinhar o time rapidamente sobre o que seria testado. Com o rabisco validado, evoluímos para wireframes de média fidelidade aplicando as primeiras regras de layout e hierarquia de informação.
Etapa 9 — O Diferencial: Prototipagem Funcional com Google AI Studio
Aqui está o ponto mais inovador deste projeto — e um dos primeiros dentro da Edenred a usar IA dessa forma.
Em vez de levar um protótipo estático do Figma para os testes com clientes, usamos o Google AI Studio para construir uma versão funcional da interface — responsiva, interativa e com dados simulados realistas — antes de qualquer linha de código ser escrita pelo time de desenvolvimento.
A interface foi construída com skills de front-end que aproximavam do nosso Design System, mas ainda de forma descaracterizada para não criar viés de marca nos testes.
Por que isso importa: Com um protótipo funcional, os clientes interagiram com o produto de forma muito mais natural do que em testes tradicionais de Figma. Os feedbacks foram mais espontâneos, as dúvidas mais honestas e os comportamentos mais próximos do real. Conseguimos validar hipóteses críticas de interação e identificar pontos de confusão antes de qualquer investimento de engenharia.
Este projeto se tornou uma referência interna de como IA pode ser aplicada no processo de design para acelerar aprendizado e reduzir retrabalho.
Etapa 10 — Protótipo de Alta Fidelidade
Com os aprendizados dos testes no AI Studio, refinamos o protótipo final no Figma — agora com o Design System completo da plataforma — e entregamos ao time de desenvolvimento com todos os fluxos, estados e regras documentados.
A solução
A nova Gestão de Rede é um módulo completo que pela primeira vez unifica em uma única tela tudo que um gestor de frota precisa para controlar onde sua frota abastece.
Visão geral da rede: total de litros, total de postos, engajamento de motoristas e potencial de economia consolidados em um único painel — substituindo 5 ferramentas diferentes.
Lista de postos por cidade: tabela ordenada por potencial de economia, com preço IPTL de referência e ação direta de direcionamento por cidade, sem precisar de planilhas externas.
Direcionamento inteligente: ao selecionar uma cidade, o gestor vê os postos disponíveis no mapa com marcação visual clara entre posto atual e posto recomendado, filtros por bandeira, horário, pagamento, infraestrutura e distância — tudo em uma interface integrada.
Ação em massa: com poucos cliques, o gestor direciona toda a rede de uma cidade para os postos mais vantajosos e comunica os motoristas diretamente pela plataforma — sem WhatsApp, sem planilha, sem ligação.
Resultados iniciais
→ Gestores passaram de 5 plataformas para 1 solução integrada de gestão de rede
→ Economia de milhares de reais mensais ao priorizar postos com menor preço e melhor localização na rota
→ Primeiro projeto da Edenred a usar IA generativa para criar protótipo funcional de testes — gerando feedbacks mais ricos antes de qualquer linha de código
→ Redução significativa do trabalho manual de direcionamento, antes feito via WhatsApp e planilhas