Readme.md

Chatbot para Loja de Salgados - LLAS Coxitas S/A

Este projeto tem como objetivo desenvolver um chatbot para auxiliar no atendimento aos clientes de uma loja de salgados, automatizando a comunicação via WhatsApp e Telegram.

Descrição Geral do Projeto

O chatbot otimiza o atendimento ao cliente, proporcionando uma experiência contínua e eficiente. Ele responde dúvidas frequentes, fornece informações sobre o menu, formas de pagamento, taxas de entrega, entre outros serviços, tudo de maneira automatizada.

De acordo com o levantamento realizado:

• 100% dos clientes gostariam de usar uma aplicação para esclarecer dúvidas 24 horas por dia.
• A maioria dos usuários prefere enviar mensagens via WhatsApp e considera o atendimento via chatbot mais ágil.

Principais Funcionalidades

1. Informações gerais: fornecimento de endereço, horário de funcionamento e meios de contato.
2. Exibição do menu: lista de produtos, combos e promoções.
3. Formas de pagamento: disponibilização das opções de pagamento aceitas.
4. Taxa de entrega: cálculo com base no CEP informado pelo cliente.
5. Reclamações e ajuda: interface para envio de dúvidas ou reclamações.
6. Satisfação do cliente: pesquisa rápida de satisfação após o atendimento.

Tecnologias Utilizadas

• Flask: framework web para a criação das APIs do chatbot.
• MongoDB: banco de dados NoSQL utilizado para armazenar informações dos usuários e pedidos.
• Twilio API: integração para envio de mensagens via WhatsApp.
• PyCEP Correios: integração para consulta de CEPs e cálculo de taxas de entrega.
• Dotenv: gerenciamento de variáveis de ambiente.

Arquitetura do Chatbot

O chatbot é composto por três elementos principais:

1. Canal: o local onde a interação ocorre, como WhatsApp.
2. Conteúdo: os textos, mídias e informações que compõem as respostas.
3. Software: o código que define as regras de interação.

Requisitos do Projeto

Requisitos Funcionais

• RF01: O chatbot deve ser capaz de fornecer o menu de salgados da loja.
• RF02: O chatbot deve informar o horário de funcionamento e o endereço.
• RF03: O chatbot deve calcular a taxa de entrega com base no CEP fornecido.
• RF04: O chatbot deve permitir que o cliente envie reclamações.
• RF05: O chatbot deve realizar uma pesquisa de satisfação ao final do atendimento.

Requisitos Não Funcionais

• RNF01: O sistema deve ser capaz de atender vários clientes simultaneamente.
• RNF02: O sistema deve estar disponível 24 horas por dia, 7 dias por semana.
• RNF03: O tempo de resposta do chatbot não deve exceder 2 segundos.

Metodologia de Levantamento de Requisitos

A metodologia escolhida foi a aplicação de questionários para o proprietário da loja e seus clientes. As respostas formaram a base para a definição do minimundo e os requisitos do sistema.

Minimundo

A LLAS Coxitas S/A é uma empresa familiar que, após a pandemia, resolveu diversificar seus canais de atendimento, criando um site e buscando um chatbot que possa interagir com os clientes via WhatsApp e Telegram. O chatbot será utilizado para tirar dúvidas sobre os produtos, calcular taxas de entrega, receber reclamações e realizar pesquisas de satisfação.

Executando o Projeto

Instalação

1. Clone o repositório:

   git clone https://github.com/seu-usuario/chatbot-loja-salgados.git

2. Acesse o diretório do projeto:

   cd chatbot-loja-salgados

3. Crie e ative um ambiente virtual:

• Windows:

  python -m venv venv
  venv\Scripts\activate

• Linux ou MacOS:

  python3 -m venv venv
  source venv/bin/activate

4. Instale as dependências listadas no arquivo requirements.txt:

   pip install -r requirements.txt

5. Crie um arquivo .env para configurar as variáveis de ambiente necessárias, como as credenciais do MongoDB e Twilio:

   MONGO_URI=<sua_mongo_uri>
   TWILIO_ACCOUNT_SID=<seu_twilio_account_sid>
   TWILIO_AUTH_TOKEN=<seu_twilio_auth_token>

6. Execute a aplicação:

   flask run

Preview do Projeto

Interface do Chatbot

Fluxo de Conversação

Futuras Melhorias

• Implementação de uma integração com sistemas de pagamento para permitir que os clientes façam compras diretamente pelo chatbot.
• Adição de um sistema de recomendações personalizadas com base no histórico de pedidos dos clientes.
• Melhoria do processamento de linguagem natural (NLP) para respostas mais dinâmicas e interativas, utilizando modelos como o GPT.
• Integração com serviços de entrega para fornecer acompanhamento em tempo real dos pedidos.

Colaboradores

Colaboradores que contribuíram para o projeto:

Luis Kakimoto Gerente de Projetos

Liliane Paulino Scrum Master

Esmeraldo Junior PO & Tester

Samuel Alves Tester & DevOps

Eduardo Fabricio Developer & DevOps

Licença

Este projeto está licenciado sob a licença MIT. Consulte o arquivo LICENSE para mais detalhes.