Actualizado: 4 de agosto de 2026
31 minutos de leitura
Está a enviar mensagens de prospeção a frio — mas ninguém responde. Nem sequer estão a ser vistas. A verdade?
A maioria das mensagens a frio no LinkedIn nunca é lida — não porque sejam más, mas porque nunca chegam ao separador «Focused».
A maioria dos utilizadores do LinkedIn nunca lê uma mensagem a frio que acaba no separador errado, parece um modelo ou não demonstra qualquer relevância. Se sente que a sua prospeção no LinkedIn está a desaparecer no vazio, não é o único — e há soluções ao seu alcance.
Este artigo mostra-lhe como resolver o problema. Vai aprender a enviar mensagens a frio que chegam ao separador «Focused», captam a atenção e dão origem a conversas reais — em vez de serem ignoradas.
Vamos analisar modelos de mensagens a frio que realmente funcionam, como mencionar notícias relevantes da empresa sem parecer artificial e como fazer o acompanhamento sem incomodar.
Além disso: dicas para utilizar o LinkedIn Sales Navigator, tirar partido das ligações em comum e aumentar a escala da sua prospeção a frio no LinkedIn com ferramentas como AI, Spintax e Linked Helper.
Quer esteja prestes a enviar pedidos de ligação ou a escrever mensagens de acompanhamento estratégicas — é assim que a prospeção moderna gera resultados.
Uma mensagem a frio no LinkedIn não é spam — desde que seja relevante, respeitosa e personalizada.
Resumo: mensagens a frio no LinkedIn que chegam ao separador «Focused» — e não ao «Other»
Uma mensagem a frio baseada num modelo é a forma mais rápida de acabar no separador «Other» ou de ser sinalizada pelos filtros.
Entregue ≠ lida: o LinkedIn encaminha as mensagens para o separador «Focused» ou «Other». As mensagens repetitivas, baseadas em modelos ou excessivamente automatizadas ficam muitas vezes ocultas sem qualquer aviso.
Evite erros comuns: deixe de utilizar frases gastas («Olá, vi o seu perfil…»), modelos genéricos ou de enviar mais de 100 mensagens a frio por dia. O LinkedIn monitoriza padrões de comportamento.
Escreva como uma pessoa: mantenha a sua primeira mensagem curta, pessoal e centrada no contexto da outra pessoa — não no seu argumentário comercial. Recorra a ligações em comum ou a atividades recentes. A maioria das pessoas ignora uma mensagem a frio no LinkedIn quando esta parece um argumentário comercial copiado e colado.
Utilize AI de forma sensata: o ChatGPT ajuda, mas apenas quando recebe resumos de perfis, cargos e contexto real. Instruções sem contexto geram conteúdo genérico sem valor.
Ganhe escala com Spintax e variações: ferramentas como o Linked Helper permitem enviar sequências aleatórias e seguras, compostas por várias etapas, que parecem únicas para cada lead.
Experimente o gerador de mensagens com AI: a ferramenta do Google Sheets cria automaticamente mensagens personalizadas com OpenAI — prontas para colar no Linked Helper.
A ferramenta está disponível exclusivamente na nossa comunidade. Adira ao LinkedIn Growth Hub no Facebook para aceder à ferramenta.
Respeite o algoritmo: combine a revisão humana com a automatização. Aqueça gradualmente os leads. Não se comporte como um bot. Para obter respostas no separador «Focused», combine um comportamento estratégico com mensagens ponderadas.
Uma boa mensagem a frio no LinkedIn deve parecer escrita exclusivamente para aquela pessoa — e não para outras 500.
Porque falham frequentemente as mensagens a frio no LinkedIn
Está a fazer tudo como mandam as regras. Envia pedidos de ligação no LinkedIn, escreve uma primeira mensagem e talvez até experimente uma mensagem InMail. Mas nada funciona. Sem respostas. Sem envolvimento.
Eis a dura verdade:
Entregue ≠ lida.
A maioria da prospeção a frio no LinkedIn falha antes de ter sequer uma oportunidade — não porque a sua oferta seja má, mas porque a mensagem nunca chega ao separador certo.
Enviar uma mensagem a frio no LinkedIn sem personalização é como bater a uma porta sem nome — é fácil ignorá-la.
Separador «Focused» vs. separador «Other»: o filtro oculto que está a prejudicar a sua prospeção
O LinkedIn organiza agora automaticamente as mensagens em dois separadores:
- «Focused» — onde chegam os contactos relevantes e de confiança
- «Other» — o cemitério das campanhas de prospeção a frio
Eis como são encaminhados os diferentes tipos de mensagens:
- Pedido de ligação com uma nota → vai para o separador «Other».
- InMail → vai para o separador «Focused» (mas normalmente requer uma conta Premium).
- Mensagem enviada depois de o pedido de ligação ser aceite → vai para o separador «Focused».
- Todas as conversas personalizadas e ativas → permanecem no separador «Focused».
Este sistema foi concebido para proteger os utilizadores contra spam. Porém, está a prejudicar a sua capacidade de estabelecer o contacto inicial caso não saiba como funciona. Se a mensagem acabar no separador «Other», a maioria dos destinatários nem sequer saberá que tentou contactá-los.
A chave para uma mensagem a frio bem-sucedida no LinkedIn é saber exatamente com quem está a falar e por que motivo isso é relevante para essa pessoa.
Fatores que encaminham a sua mensagem para o separador «Other»
O algoritmo do LinkedIn avalia silenciosamente cada mensagem de prospeção a frio antes de decidir para onde a encaminhar.
O LinkedIn avalia agora a estrutura, o ritmo e a singularidade de todas as mensagens a frio — não seja apanhado a utilizar formulações robóticas.
Eis o que gera sinais de alerta:
- Não trabalha no mesmo setor que o destinatário.
- Ausência de interação anterior com o destinatário: se nunca reagiu com «Gosto», comentou ou visitou o perfil antes de enviar uma mensagem, o LinkedIn poderá considerá-la uma abordagem fria e aleatória.
- Pouca credibilidade do perfil: se o seu perfil estiver incompleto, tiver poucas ligações ou parecer falso ou vazio, é mais provável que as suas mensagens percam prioridade.
- Demasiados pedidos de ligação por dia: um número excessivo de pedidos de ligação no LinkedIn — sobretudo sem personalização — é um sinal de automatização ou de comportamento agressivo.
- Ausência de ligações em comum ou de contexto partilhado: não ter ligações em comum, trabalhar noutro setor e não pertencer aos mesmos grupos do LinkedIn gera desconfiança e reduz a credibilidade.
- Frases iniciais genéricas ou demasiado comerciais: expressões como «Ajudo empresas a crescer», «Só queria retomar o contacto» ou «Espero que esteja tudo bem consigo» são utilizadas em excesso e sinalizadas como linguagem de modelo.
- Envio demasiado rápido após a aceitação do pedido de ligação: se enviar uma mensagem direta poucos segundos depois de alguém aceitar o seu pedido de ligação, transmite a ideia de que não pretende interagir — apenas apresentar um argumentário comercial.
- Inclusão de ligações ou anexos na primeira mensagem: os URL externos numa primeira mensagem podem ser classificados como promocionais ou associados a phishing — sobretudo quando provêm de remetentes desconhecidos.
- Incompatibilidade entre a mensagem e o perfil: se a sua mensagem de prospeção a frio mencionar serviços ou funções que não constam do seu perfil, surgem problemas de credibilidade.
- Utilização pouco natural de emojis ou formatação: o uso excessivo de emojis ou de MAIÚSCULAS pode parecer spam tanto aos algoritmos como às pessoas.
- Envio em massa de várias mensagens semelhantes: se utilizar uma ferramenta de automatização de atividades no LinkedIn que envia mensagens semelhantes a muitos destinatários num curto período, o LinkedIn poderá detetar esse padrão e limitar a visibilidade.
- Não pertence a nenhum grupo do LinkedIn partilhado
- Não tem ligações em comum
- Utiliza uma ferramenta de automatização de atividades no LinkedIn sem um controlo adequado do ritmo ou do volume
O LinkedIn também observa como envia pedidos de ligação: demasiados e demasiado depressa? Demasiado genéricos? Isso indica que não está a tentar criar relações relevantes — está apenas a enviar spam.
Sinais de alerta: texto repetido, as mesmas saudações e um ritmo pouco humano
O sistema deteta sinais de prospeção em massa. Se as suas mensagens contiverem:
- Formulações idênticas ou repetidas para vários destinatários
- As mesmas saudações, como «Olá» ou «Espero que esteja tudo bem consigo», sem personalização
- Referências genéricas a cargos ou setores que poderiam aplicar-se a qualquer pessoa
- Ligações ou anexos logo na primeira mensagem
- Um ritmo robótico e pouco humano gerado por ferramentas de automatização
- Apelos à ação utilizados em excesso, como «Podemos fazer uma chamada rápida?», sem relevância
…o LinkedIn irá suprimi-las ou reduzir-lhes a prioridade.
Mesmo exemplos de mensagens com um aspeto profissional podem falhar se não tiverem contexto nem autenticidade.
Repetir a mesma mensagem a frio no LinkedIn 100 vezes por dia é uma forma infalível de ver o alcance limitado ou, pior ainda, a conta sinalizada.
Uma mensagem personalizada com uma ligação clara à função, à empresa ou a notícias relevantes recentes do destinatário tem um desempenho dez vezes superior ao de um argumentário comercial frio e indiferenciado.
Erros comuns nas mensagens a frio no LinkedIn que ativam filtros ou geram silêncio
Mesmo com as melhores intenções, a maioria dos esforços de geração de leads falha no LinkedIn porque ignora uma verdade essencial: o LinkedIn não é o email. O algoritmo, a cultura e as expectativas dos utilizadores são diferentes — e, assim que o trata como uma plataforma de prospeção em massa, a sua prospeção a frio fica oculta, é filtrada ou sinalizada.
Começar uma mensagem a frio no LinkedIn com «Olá, vi o seu perfil…» denuncia imediatamente a utilização de um guião.
Seguem-se os erros mais comuns que comprometem as suas mensagens diretas — e a forma como cada um deles pode originar uma supressão algorítmica, restrições do perfil ou simplesmente… silêncio.
Repetir o mesmo modelo
Reutilizar continuamente a mesma estrutura, formulação e mensagem a frio é um sinal de prospeção em massa.
O sistema do LinkedIn monitoriza a semelhança entre conteúdos. Se utilizar uma mensagem mais de 100 vezes e mudar apenas o nome, o algoritmo trata-a como spam. Pior ainda: os destinatários sentem-se tratados como meros números, e não como potenciais clientes.
Solução: utilize Spintax ou variações criadas com o apoio de AI para alterar a estrutura, não apenas os nomes. Acrescente referências específicas ao cargo, à cultura da empresa ou ao percurso profissional da pessoa.
Utilizar o LinkedIn como se fosse o email
Mensagens longas e formais, repletas de blocos de texto, ligações e um «Com os melhores cumprimentos» no fim? Isso parece imediatamente um email a frio. O LinkedIn foi concebido para ser conversacional e informal.
Porque falha: as pessoas ignoram mensagens demasiado polidas e sem um objetivo claro — e o LinkedIn sinaliza-as quando são enviadas em grande escala.
Solução: mantenha a sua mensagem curta. Pense nela como uma mensagem para um colega, não como a apresentação de uma proposta.
Quando bem executada, uma mensagem a frio no LinkedIn pode superar os emails a frio tanto na taxa de abertura como na taxa de resposta.
«Olá, vi o seu perfil…» e outras frases gastas
Estas frases iniciais são clichés, estão gastas e denunciam uma prospeção baseada em modelos. Todos já as viram. Ninguém confia nelas. As melhores mensagens a frio no LinkedIn não tentam parecer engenhosas — soam naturais, como se dessem continuidade a uma questão que o lead já tinha em mente.
Porque falha: os utilizadores reconhecem imediatamente um envio em massa. Não cria empatia nem demonstra interesse genuíno.
Solução: comece com um comentário específico sobre o perfil do LinkedIn, os resultados obtidos com clientes anteriores, uma publicação no LinkedIn ou até grupos do LinkedIn partilhados.
Antes de enviar uma mensagem a frio no LinkedIn, consulte o perfil da pessoa para encontrar interesses partilhados, publicações recentes ou ligações em comum.
Ausência de personalização ou contexto partilhado
As mensagens genéricas que poderiam aplicar-se a qualquer pessoa demonstram esforço zero. Não há relevância, necessidade concreta nem qualquer elemento que desperte o interesse. Como enviar uma mensagem a frio a alguém no LinkedIn? Comece por retirar a palavra «frio» da sua mentalidade e escreva como se estivesse a iniciar uma conversa genuína.
Porque falha: o LinkedIn dá prioridade às mensagens cujos remetentes e destinatários partilham ligações em comum, grupos ou setores semelhantes. A falta de contexto gera pouca confiança.
Solução: mencione um ponto em comum. Uma excelente mensagem a frio no LinkedIn começa com um contexto partilhado: ligações em comum, empresas semelhantes ou uma publicação da autoria da pessoa.
Ao enviar pedidos de ligação, filtre pelas ligações de 2.º grau para aumentar as probabilidades de chegar ao separador «Focused».
No Sales Navigator, também pode filtrar leads por grupos do LinkedIn partilhados — direcionar a prospeção para pessoas que pertencem aos mesmos grupos pode aumentar a confiança e a visibilidade.
Ausência de ligações em comum
Tentar estabelecer uma ligação a frio com alguém — sem contactos em comum nem contexto partilhado — conduz muitas vezes a um beco sem saída.
Porque falha: os utilizadores e os algoritmos estão mais predispostos a interagir com pessoas de uma rede de confiança. Os perfis desconhecidos sem qualquer sobreposição parecem arriscados.
Solução: desenvolva intencionalmente a sua rede de contactos. Adira a grupos do LinkedIn ou comunidades relevantes onde os seus potenciais clientes estejam ativos. Depois, contacte essas pessoas com base nesse contexto comum.
Comportamento excessivamente automatizado: 100 mensagens/dia
Comporte-se como uma pessoa. Não como um bot
Utiliza uma ferramenta de automatização de atividades no LinkedIn para enviar mais de 100 mensagens por dia? Isso não é «ganhar escala», é autossabotagem.
Porque falha: o LinkedIn monitoriza o volume, o ritmo e o envolvimento. Os envios em massa sem contacto anterior resultam em:
- Supressão de mensagens
- Sinalização do perfil
- Suspensões temporárias ou pedidos de verificação de identidade
Solução: abrande. Concentre-se num número menor de mensagens de prospeção, mas personalize-as melhor. Utilize a automatização de forma sensata — com um ritmo semelhante ao humano e mensagens relevantes.
Ferramentas e abordagens para aumentar a escala da prospeção sem ativar os filtros de spam
Se realiza prospeção em grande escala — para estabelecer contacto com um responsável pela contratação, iniciar uma conversa breve ou dar início a uma conversa mais aprofundada — precisa de mais do que volume. Precisa de estratégia. Isto porque a automatização sem contexto não multiplica os resultados — multiplica os fracassos.
A melhor mensagem a frio no LinkedIn parece ter sido escrita para uma única pessoa, mesmo quando utiliza automatização em grande escala.
Seguem-se três abordagens comprovadas para fazer crescer a sua prospeção no LinkedIn de forma segura e eficaz.
Automatizar a sua campanha de mensagens a frio no LinkedIn é seguro quando combina Spintax, variações de mensagens e revisão humana.
Quando combinadas de forma ponderada, estas abordagens proporcionam alcance sem ativar os filtros de spam.
1. Modelos de mensagens gerados por AI (por exemplo, ChatGPT)
Criar uma mensagem a frio no LinkedIn com AI é uma solução poderosa — mas não se esqueça de lhe fornecer dados reais do perfil.
Porque ajuda:
- Permite gerar rapidamente rascunhos de mensagens para diferentes perfis de cliente ideal (ICP)
- Poupa tempo ao realizar prospeção em maior escala
- Ajuda a conceber ganchos para acompanhamentos, LinkedIn Ads e sequências de aquecimento da relação
As ferramentas de AI como o ChatGPT são extremamente eficazes para escrever mensagens a frio — se lhes fornecer os dados certos. Contudo, a maioria dos utilizadores comete um erro crítico: não fornece ao ChatGPT qualquer informação específica sobre o potencial cliente. O resultado? Uma prospeção genérica e fácil de esquecer.
Truque profissional: analise os dados do perfil para tornar cada mensagem única
Eis como pode elevar esta abordagem a outro nível recorrendo a dados públicos do perfil do LinkedIn:
- Com uma ferramenta de recolha de dados do Linked Helper, recolha os seguintes dados do destinatário:
- Título do perfil e cargo
- Secção «Sobre»
- Descrições da experiência (sobretudo da função mais recente)
- Cole esse texto nas instruções para que o GPT gere mensagens altamente personalizadas.
Exemplo de instruções:
«Atua como um redator B2B que escreve mensagens de prospeção a frio no LinkedIn. Com base no resumo do utilizador e na experiência profissional abaixo, escreve uma mensagem direta que pareça natural, mencione um aspeto da função da pessoa e sugira uma chamada breve. Mantém a mensagem abaixo de 300 caracteres.
Resumo: [colar o resumo aqui]
Experiência: [colar a função mais recente]»
Esta abordagem permite ao GPT:
- Fazer referência a resultados obtidos com clientes anteriores, conjuntos de tecnologias ou dimensão da equipa
- Reproduzir um tom e formulações que correspondam à voz do próprio utilizador
- Sugerir ganchos relevantes para uma conversa breve ou uma conversa mais aprofundada
O que acontece se ignorar este passo:
- O ChatGPT fornece-lhe um guião indiferenciado
- Deixa escapar necessidades concretas que demonstrariam interesse genuíno
- As mensagens parecem robóticas e a taxa de resposta cai a pique
2. Spintax e variações de mensagens no Linked Helper
O que é o Spintax?
Se utiliza o Linked Helper ou qualquer ferramenta de automatização de atividades no LinkedIn, tem de dar prioridade à variação das mensagens. Os filtros de spam do LinkedIn detetam padrões: a mesma estrutura, a mesma ordem e as mesmas saudações são sinais de alerta.
Utilize ferramentas como o Linked Helper para aumentar em segurança a escala do envio de mensagens a frio no LinkedIn — mas inclua sempre Spintax e variações de mensagens.
Spintax
O Spintax permite escolher aleatoriamente segmentos da mensagem ao disponibilizar várias opções intercambiáveis entre chavetas. Exemplo:
«{Sarah|John|olá}, vi a sua publicação sobre {estratégias de crescimento|formação de equipas|tendências do LinkedIn} — muito interessante!»
Deste modo, cada destinatário recebe uma mensagem ligeiramente diferente — o que ajuda a evitar repetições e a não chamar a atenção dos filtros.
Variações
Enquanto o Spintax altera partes, as variações de mensagens reescrevem a mensagem completa de várias formas. Por exemplo:
- Versão A: «Vi a sua publicação recente sobre contratação — já ajudei equipas como a sua a recrutar mais depressa para funções ligadas ao crescimento da empresa.»
- Versão B: «Reparei que a sua equipa está a crescer — pensei que talvez estivesse a contratar. Diga-me se puder ajudar.»
Também pode utilizar:
- Variáveis personalizadas (por exemplo, {firstName}, {jobTitle})
- Lógica «IF THEN ELSE» para apresentar mensagens diferentes consoante os dados disponíveis
Boas práticas do Linked Helper:
- Evite campanhas homogéneas (apenas convites e mensagens)
- Acrescente ações de aquecimento da relação, como visitas a perfis, reações com «Gosto» e interações
- Pré-visualize sempre o resultado para detetar combinações pouco naturais
3. Gerador avançado com AI no Google Sheets e OpenAI
Esta ferramenta é um script para Google Sheets e OpenAI pronto a utilizar, que gera sequências de mensagens do LinkedIn totalmente personalizadas em grande escala.
A ferramenta está disponível exclusivamente na nossa comunidade. Adira ao LinkedIn Growth Hub no Facebook para aceder à ferramenta.
Criada pelo especialista em crescimento do Linked Helper, foi concebida para eliminar trabalho manual repetitivo e fornecer mensagens com um tom humano, adaptadas a cada lead.
Para começar, faça uma cópia do gerador do Google Sheets. Depois:
- Exporte os seus leads do Linked Helper — isto inclui informações do perfil, como nome, apelido, cargo, resumo e dados da empresa.
- Cole esses dados no separador «Profiles» da folha. Certifique-se de que os nomes das colunas correspondem aos campos de entrada esperados pelo script (por exemplo, first_name, current_company, summary, etc.).
- Configure a sua estratégia de mensagens — escolha o tom, o tipo de campanha, os apelos à ação (CTA), o número de mensagens e muito mais.
- Clique em «Run Script» — a ferramenta gera entre uma e cinco mensagens únicas por lead, integrando cargos, descrições de empresas, necessidades concretas e contexto.
Utiliza o ChatGPT (via API) para fazer referência a cargos, resumos e até informações sobre empresas — tornando cada mensagem única.
Pode até atribuir aos leads etiquetas como «HighPriority» para alterar dinamicamente o tom e os CTA ou inserir convites para chamadas de demonstração.
Todas as mensagens são apresentadas num novo separador, prontas para utilizar no Linked Helper, que suporta Spintax completo e sequências de várias etapas.
Quer testar um fluxo mais inteligente de mensagens a frio no LinkedIn? Experimente hoje combinar o Linked Helper com o gerador de mensagens com AI!
Como é uma boa mensagem a frio no LinkedIn
Com ferramentas como o LinkedIn Premium, o Sales Navigator Core e o Recruiter Lite, é mais fácil do que nunca enviar mensagens — mas isso não significa que obterá respostas. Na verdade, sem a estrutura certa, a sua prospeção a frio pode facilmente parecer um argumentário comercial pouco elaborado ou uma oportunidade de emprego falsa.
Vamos analisar a diferença entre as mensagens que são ignoradas — e as que chegam ao separador «Focused», dão origem a conversas e atraem novos clientes ou leads para a sua equipa de vendas.
Manter a sua mensagem a frio no LinkedIn abaixo de 500 caracteres aumenta a legibilidade e as taxas de resposta — sobretudo no telemóvel.
Mensagens a frio no LinkedIn que serão ignoradas (e porquê)
Estas mensagens são exemplos clássicos do que não deve fazer. São demasiado genéricas, demasiado longas ou demasiado «comerciais» desde o início.
O maior erro nas mensagens a frio no LinkedIn é concentrar-se na sua oferta em vez do contexto do destinatário.
Exemplo 1: copiar e colar um email a frio
Olá, ajudo empresas como a sua a gerar mais 30 % de leads. Vamos agendar uma chamada rápida esta semana para analisarmos como podemos aumentar as suas receitas.
Porque falha: parece um email a frio, não tem personalização e avança imediatamente para um argumentário comercial sem qualquer contexto ou valor.
Exemplo 2: mensagem vaga sem direcionamento
Olá, vi o seu perfil e pensei que devíamos estabelecer uma ligação.
Porque falha: relevância zero. Não faz referência ao nome da empresa, a oportunidades de emprego nem ao que têm em comum. Uma mensagem genérica é ignorada.
Exemplo 3: uma parede de texto
Permita-me apresentar-lhe o nosso produto, utilizado por mais de 2 000 empresas em todo o mundo para aumentar a produtividade e reduzir os custos. A nossa plataforma integra-se com mais de 30 ferramentas… [continua durante mais 5 linhas]
Porque falha: ninguém quer receber um longo monólogo comercial numa mensagem direta. É difícil de ler rapidamente, não contém um pedido claro e não desperta interesse.
Uma mensagem a frio bem escrita no LinkedIn pode gerar mais conversas do que uma dúzia de emails a frio.
Mensagens a frio no LinkedIn que chegam ao separador «Focused» e obtêm respostas
Estas mensagens são curtas, específicas e abordam o contexto do público-alvo — não o seu produto.
Um excelente modelo de mensagem a frio no LinkedIn começa pela relevância — não pelo seu argumentário comercial.
Exemplo 1: gancho baseado numa observação pessoal e relevante
Nas mensagens a frio no LinkedIn, o mais importante não é o que diz primeiro — é o que os destinatários veem antes mesmo de as abrirem.
Olá, Sarah. Reparei que a [Nome da empresa] está a contratar para várias funções de marketing — parabéns! Gostaria de saber se a sua equipa está recetiva a ferramentas que ajudam os novos colaboradores a atingir a produtividade mais depressa. Posso partilhar o que funcionou para equipas semelhantes. Vale a pena termos uma conversa rápida?
Porque funciona: faz referência a uma atividade real (contratação), mantém a mensagem curta, aborda diretamente um problema e termina com um CTA informal. O melhor modelo de mensagem a frio no LinkedIn inclui um gancho claro, contexto partilhado e um CTA subtil.
Exemplo 2: abordagem baseada num contexto partilhado
Olá, Daniel. Pertencemos ambos ao [Nome do grupo do LinkedIn] e gostei da sua publicação sobre a contratação de equipas remotas. Já trabalhei com equipas em crescimento que trabalham de forma assíncrona — gostaria muito de trocar algumas ideias consigo.
Porque funciona: inclui contexto partilhado e um elogio, não apresenta um argumentário comercial agressivo e foi concebida para iniciar uma conversa mais aprofundada.
Exemplo 3: ligação e referência subtil
As mensagens a frio no LinkedIn funcionam melhor quando parecem uma conversa individual, e não uma campanha em massa.
Olá, Lana. Gosto muito do trabalho que a [Nome da empresa] está a desenvolver no B2B SaaS. Ajudo equipas de GTM como a sua a captar mais leads qualificados com mensagens criadas com o apoio de AI. Não se trata de um argumentário comercial — apenas pensei que poderia ser útil. Saiba mais aqui, se tiver curiosidade: [Inserir ligação]
Porque funciona: é personalizada, breve e relevante. Inclui uma ligação sem exercer pressão e demonstra valor sem exagerar o discurso comercial.
O melhor acompanhamento de uma mensagem a frio no LinkedIn é curto, educado e oferece valor — não pressão.
Bónus: modelos Spintax reais para copiar
Nunca deve depender de apenas um modelo de mensagem a frio no LinkedIn; teste e personalize sempre. A prospeção a frio no LinkedIn funciona melhor quando abranda o envio de mensagens e acelera a pesquisa.
Pedido de ligação
Modelo Spintax:
{Olá, firstName.|Olá.} {Reparei no seu trabalho na|Vi o seu perfil na|Encontrei a sua função na} {companyName|sua empresa} e {pensei que poderíamos estabelecer uma ligação|quis entrar em contacto|pareceu-me que poderíamos ter pontos em comum}.
Exemplos de resultados:
- Olá, Sarah. Reparei no seu trabalho na Notion e pensei que poderíamos estabelecer uma ligação.
- Olá. Encontrei a sua função na sua empresa e pareceu-me que poderíamos ter pontos em comum.
Primeira mensagem após estabelecer a ligação
Modelo Spintax:
{Agradeço ter aceitado o pedido de ligação, firstName.|Agradeço ter aceitado o pedido de ligação.} Tenho {explorado esta área|conversado com equipas semelhantes|trabalhado com empresas como a sua}, e a sua função na {companyName} chamou-me a atenção.
{Estaria disponível para uma conversa rápida?|Posso partilhar uma breve ideia?|Terei todo o gosto em enviar algo relevante, caso seja útil.}
Exemplos de resultados:
- Agradeço ter aceitado o pedido de ligação, Priya. Tenho explorado esta área e a sua função na Zapier chamou-me a atenção. Estaria disponível para uma conversa rápida?
- Agradeço ter aceitado o pedido de ligação. Tenho conversado com equipas semelhantes, e a sua função na Webflow despertou o meu interesse. Posso partilhar uma breve ideia?
Prospeção centrada no valor (sem argumentário comercial agressivo)
Modelo Spintax:
Olá, {firstName}. Vi a sua recente {publicação|atividade|série de comentários} sobre {tema relacionado}, com a qual me identifiquei bastante.
Já observei {desafios semelhantes|a mesma tendência|este problema} {numa empresa semelhante|com um cliente anterior} —
{estaria disponível para trocarmos algumas ideias?|quer que lhe envie o que funcionou?|diga-me se for relevante}.
Exemplos de resultados:
- Olá, Emily. Vi a sua publicação recente sobre o crescimento de equipas de CS, com a qual me identifiquei bastante. Observei a mesma tendência na Typeform — estaria disponível para trocarmos algumas ideias?
- Olá, Max. Reparei nos seus comentários sobre funis B2B — tive o mesmo desafio com um cliente anterior. Diga-me se for relevante.
Mensagem de acompanhamento
Modelo Spintax:
Olá, {firstName}. Queria apenas retomar o contacto, para o caso de esta mensagem ter ficado perdida.
{Continuo a pensar que poderá ser relevante|Se não for do seu interesse, podemos ficar por aqui|Diga-me o que funciona melhor para si}.
Exemplos de resultados:
- Olá, Lara. Queria apenas retomar o contacto, para o caso de esta mensagem ter ficado perdida. Diga-me o que funciona melhor para si.
- Olá, Tom. Continuo a pensar que poderá ser relevante — se não for do seu interesse, podemos ficar por aqui.
CTA subtil com oferta / convite para uma demonstração
Modelo Spintax:
Vamos realizar um breve {webinar|demonstração|sessão prática} sobre {automatização de atividades no LinkedIn|como aumentar a escala da prospeção em segurança} —
{posso enviar-lhe a ligação?|gostaria de assistir?|diga-me e partilharei o convite}.
Exemplos de resultados:
- Vamos realizar um breve webinar sobre automatização de atividades no LinkedIn — gostaria de assistir?
- Temos uma breve sessão prática em direto sobre como aumentar a escala da prospeção em segurança — posso enviar-lhe a ligação?
Utilize o Spintax para transformar um único modelo de mensagem a frio no LinkedIn em dezenas de variações únicas.
Boas práticas para permanecer no separador «Focused»
É fácil conseguir que a sua mensagem seja entregue.
Conseguir que seja vista e respondida? Esse é o verdadeiro desafio.
É no separador «Focused» do LinkedIn que acontecem as conversas reais. O separador «Other» é onde a prospeção a frio vai morrer. Se o seu objetivo é captar a atenção de um lead, iniciar uma conversa rápida ou conseguir uma chamada rápida com decisores, tem de seguir práticas alinhadas com o algoritmo de relevância do LinkedIn e com as expectativas dos utilizadores.
Eis como permanecer no separador «Focused» — e obter melhores respostas de pessoas reais, em vez de receber respostas automáticas ou ficar sem resposta.
Dica: antes de enviar mensagens a ligações de 1.º grau que estabeleceu há um ou dois anos, é aconselhável voltar a interagir primeiro — sobretudo se pretender promover algo.
Procure restabelecer o contacto antes de lhes escrever:
- Validar as competências dessas pessoas
- Reagir com «Gosto» ou comentar publicações recentes
- Mencioná-las em discussões relevantes
- Convidá-las a seguir a sua página de empresa
Estas pequenas ações ajudam a restabelecer a familiaridade e aumentam as probabilidades de a sua mensagem ser vista.
Utilize 3 variantes de mensagem por ação
Primeira regra: deixe de enviar a mesma mensagem a todos os leads. Utilize pelo menos três variantes de mensagem por etapa de prospeção — pedido de ligação, mensagem inicial e acompanhamento. Isto dificulta a deteção de padrões e torna as mensagens mais naturais para quem as recebe.
Exemplo:
Variante A: «Olá, Amy. O seu perfil chamou-me a atenção — gosto muito do que está a desenvolver na [Empresa atual].»
Variante B: «Olá, Amy. Já trabalhei com uma empresa semelhante e pensei que faria sentido estabelecermos uma ligação.»
Variante C: «Amy, gostaria de saber se estaria disponível para conversarmos sobre um problema relacionado que temos ajudado as equipas de marketing a resolver.»
Isto evita estruturas previsíveis, faz com que as mensagens pareçam mais adaptadas e aumenta a taxa de resposta.
Respeite os limites das mensagens
Evite mensagens longas e carregadas de argumentos comerciais — sobretudo no primeiro contacto ou num InMail a frio. O LinkedIn é uma plataforma de conversação, não uma caixa de entrada para brochuras comerciais.
- Mantenha a sua mensagem curta
1) Pedidos de ligação
Sem um plano pago do LinkedIn, está limitado a 300 caracteres ou a não incluir qualquer mensagem. Seja breve e relevante — ou omita a nota se o seu perfil for sólido.
2) Acompanhamentos após convites sem nota
Evite enviar mensagens longas imediatamente depois de alguém aceitar um convite sem nota — são muitas vezes ignoradas ou sinalizadas como spam. Comece com um acompanhamento curto e natural para voltar a interagir.
- Concentre-se em pontos em comum ou numa necessidade concreta partilhada
- Deixe sempre espaço para o lead responder ou dizer «agora não»
O objetivo é convidar a uma conversa genuína, e não despejar uma oferta.
Evite estruturas previsíveis e linguagem robótica
Tanto os filtros do LinkedIn como as pessoas reagem mal a formulações robóticas. Evite:
- «Espero que esteja tudo bem consigo»
- «Só queria retomar o contacto»
- Introduções excessivamente formais e CTA rígidos como «Vamos agendar uma chamada de 15 minutos para discutir sinergias»
Em alternativa, experimente:
- «Faria sentido explorarmos isto em conjunto?»
- «Isto tem alguma relevância para aquilo em que está a trabalhar?»
- «Ajudaria se resumisse tudo em 20 palavras?»
Isto mantém um tom informal e natural, o que resulta em melhores respostas de pessoas reais.
Combine de forma sensata a revisão humana, AI e automatização
A automatização permite realizar prospeção em maior escala. O ChatGPT ajuda a criar rascunhos. Mas nada substitui a revisão humana. Sem trabalho manual, como rever o perfil de um lead, as suas mensagens parecerão genéricas — mesmo que estejam tecnicamente «personalizadas».
Boa prática:
- Deixe a AI criar rascunhos de modelos de mensagens
- Utilize ferramentas de automatização como o Linked Helper para o agendamento
- Mas insira sempre manualmente 1–2 detalhes da empresa atual da pessoa, de publicações recentes ou de um interesse em comum
Esta abordagem híbrida resulta numa prospeção mais personalizada e próxima e mantém as suas mensagens fora do spam.
A maioria das pessoas concentra-se no que escrever — mas saber como enviar mensagens a frio no LinkedIn começa por perceber a quem está a escrever e por que motivo o momento é importante.
Considerações finais: escreva como uma pessoa. Automatize como um estratega
A automatização básica de atividades no LinkedIn já não é suficiente. Se a sua prospeção parecer composta por modelos enviados em massa, seguirá diretamente para o separador «Other» — ou, pior ainda, poderá gerar avisos na conta.
Para aumentar a escala da prospeção sem prejudicar o seu domínio ou a sua reputação:
- Utilize AI (como o ChatGPT) para gerar ideias — mas forneça-lhe contexto real (cargo, resumo e dados da empresa)
- O momento é importante. A melhor altura para enviar uma mensagem a frio no LinkedIn é a meio da semana, durante o horário de trabalho no fuso horário do destinatário.
- Se utilizar email a frio e LinkedIn em conjunto, não se repita — utilize cada canal para revelar uma dimensão diferente da sua oferta.
- Introduza aleatoriedade de forma inteligente com Spintax e variações de mensagens — não apenas com sinónimos, mas também com variedade estrutural
- As mensagens a frio no LinkedIn devem incluir sempre personalização baseada na função, na empresa ou na atividade recente da pessoa.
- Não dependa apenas da AI: a revisão humana e os ajustes manuais continuam a produzir melhores resultados
- Estruture as campanhas com etapas de aquecimento da relação, não apenas com argumentários comerciais a frio
- Monitorize a forma como os leads respondem — e faça ajustes com base no envolvimento
Atualmente, o sucesso depende da combinação de uma comunicação bem planeada, nuances comportamentais e automatização inteligente. As melhores mensagens parecem escritas exclusivamente para o leitor — mesmo quando foram criadas em grande escala.
Para ter sucesso com mensagens a frio no LinkedIn, combine AI, Spintax e revisão humana — não apenas modelos.
Quer que a sua mensagem a frio no LinkedIn chegue ao separador «Focused»? Evite modelos, formulações robóticas e introduções longas.
Pronto para experimentar? Comece com o Linked Helper e o gerador
Quer pôr estas ideias em prática?
Combine o Linked Helper com o gerador para Google Sheets e ChatGPT — uma ferramenta poderosa que cria automaticamente entre três e cinco mensagens únicas por lead utilizando AI e os dados reais da sua campanha. Basta exportar os leads do Linked Helper, colá-los na folha e gerar uma sequência completa em poucos minutos.
Obterá mensagens com um tom humano, que poderá utilizar em campanhas de grande escala — personalizadas por empresa, função e setor.
Deixe para trás as tentativas às cegas e as mensagens copiadas e coladas. Terá uma prospeção clara, contextualizada e capaz de gerar respostas.
Experimente — e descubra como as mensagens a frio podem ser muito mais eficazes quando não parecem frias. Uma única mensagem a frio bem elaborada no LinkedIn pode abrir portas a parcerias, clientes ou oportunidades de emprego.