Findings - Temas da Conversa

Clustering semântico: sobre o que P1 e P2 falam

Author

Marlon

Published

May 7, 2026

Resumo

Os notebooks 04f–04i geraram embeddings (representações numéricas de 768 dimensões) para cada mensagem textual da conversa, usando o modelo paraphrase-multilingual-mpnet-base-v2 — multilíngue, adequado para português.

Este notebook faz o que esses embeddings foram pensados pra fazer: encontrar temas recorrentes através de clustering. Rodamos K-Means com k=10 sobre as 66.743 mensagens textuais da fase de Relacionamento e caracterizamos cada cluster por seu vocabulário distintivo (TF-IDF).

O resultado: dez “famílias” de mensagens com identidades bem claras — saudações, piadas, afeto explícito, rotina, planos, frustrações e mais.

Note

Mensagens apenas de mídia (áudios, vídeos, stickers omitidos) não têm embedding — o clustering só cobre as 66.743 mensagens com conteúdo textual, de um total de 89.336 no período de Relacionamento.

Setup

Code

import pandas as pd
import numpy as np
import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots
from pathlib import Path
import warnings
warnings.filterwarnings('ignore')

from whatsapp.pipeline.config import DATA_FOLDER
DATA_DIR = Path("../data/processed") / DATA_FOLDER

df = pd.read_parquet(DATA_DIR / 'messages_with_models.parquet')
dfc = pd.read_parquet(DATA_DIR / 'messages_with_context.parquet')
df['fase_relacionamento'] = dfc['fase_relacionamento']
df['timestamp'] = pd.to_datetime(df['timestamp'])

# Máscaras alinhadas ao array de embeddings (ordem do df original)
mask_has_emb = df['similaridade_anterior'].notna()
mask_rel = df['fase_relacionamento'] == 'Relacionamento'
mask_both = mask_has_emb & mask_rel

labels = np.load(DATA_DIR / 'cluster_labels_mpnet_k10.npy')
df_c = df[mask_both].copy()
df_c['cluster'] = labels

print(f"Mensagens clusterizadas: {len(df_c):,}")
print(f"Clusters: {df_c['cluster'].nunique()}")

Mensagens clusterizadas: 66,743
Clusters: 10

Os 10 temas

O clustering produziu grupos semanticamente coerentes. Nomeei cada um com base nas palavras dominantes e em inspeção amostral:

Code

nomes_clusters = {
    0: 'Saudações e agradecimentos',
    1: 'Reações e confirmações',
    2: 'Afeto explícito',
    3: 'Risadas (kkkk)',
    4: 'Comida, desejo e apelidos',
    5: 'Expressões importadas e links',
    6: 'Rotina diária (dormir/acordar)',
    7: 'Conversas sobre terceiros',
    8: 'Frustrações e negatividade',
    9: 'Planos e vontades',
}

palavras_clusters = {
    0: ['bom', 'dia', 'obrigada', 'obrigado', 'boa', 'coisa', 'hahaha'],
    1: ['entendi', 'hahaha', 'boa', 'mesmo', 'coisa', 'demais', 'linda', 'agora'],
    2: ['amo', 'vida', 'demais', 'linda', 'lindo', 'paixão', 'adoro'],
    3: ['kkkkkkk', 'kkkk', 'kkkkk', 'kkkkkkkkkkkk'],
    4: ['gato', 'gostoso', 'gata', 'gostosa', 'delícia', 'comer', 'fome', 'café'],
    5: ['was', 'https', 'baby', 'pqp', 'socorro', 'mto', 'vdd', 'spotify', 'mara'],
    6: ['dormir', 'acordei', 'dormi', 'saudade', 'casa', 'amanhã', 'noite'],
    7: ['ele', 'ela', 'dele', 'queria', 'falou', 'olivia', 'disse'],
    8: ['nada', 'sem', 'ainda', 'nunca', 'ruim', 'desculpa', 'foda', 'merda'],
    9: ['quero', 'agora', 'ver', 'fazer', 'casa', 'queria', 'bolar', 'chegar'],
}

size_cluster = df_c['cluster'].value_counts().sort_index()
resumo = pd.DataFrame({
    'Cluster': [f"C{c}" for c in range(10)],
    'Nome': [nomes_clusters[c] for c in range(10)],
    'N msgs': [f"{size_cluster.get(c, 0):,}" for c in range(10)],
    'Palavras-chave': [', '.join(palavras_clusters[c][:6]) for c in range(10)]
})
resumo

	Cluster	Nome	N msgs	Palavras-chave
0	C0	Saudações e agradecimentos	2,296	bom, dia, obrigada, obrigado, boa, coisa
1	C1	Reações e confirmações	12,744	entendi, hahaha, boa, mesmo, coisa, demais
2	C2	Afeto explícito	7,279	amo, vida, demais, linda, lindo, paixão
3	C3	Risadas (kkkk)	3,055	kkkkkkk, kkkk, kkkkk, kkkkkkkkkkkk
4	C4	Comida, desejo e apelidos	4,844	gato, gostoso, gata, gostosa, delícia, comer
5	C5	Expressões importadas e links	10,555	was, https, baby, pqp, socorro, mto
6	C6	Rotina diária (dormir/acordar)	5,876	dormir, acordei, dormi, saudade, casa, amanhã
7	C7	Conversas sobre terceiros	4,684	ele, ela, dele, queria, falou, olivia
8	C8	Frustrações e negatividade	5,951	nada, sem, ainda, nunca, ruim, desculpa
9	C9	Planos e vontades	9,459	quero, agora, ver, fazer, casa, queria

Os maiores clusters (>9k msgs cada):

C1 — Reações e confirmações (12.744): o “entendi/hahaha/boa” — o lubrificante conversacional da troca.
C5 — Expressões importadas e links (10.555): pqp, socorro, mto, vdd, links, palavras em inglês (was, baby). Reações em expressões geracionais.
C9 — Planos e vontades (9.459): quero, agora, ver, fazer, casa. O operacional do dia.

Os clusters mais “carregados emocionalmente”:

C2 — Afeto explícito (7.279): “amo, paixão, adoro, linda”.
C4 — Comida, desejo e apelidos (4.844): “gato, gostoso, gata, comer, fome”. Desejo + comida colados.
C8 — Frustrações e negatividade (5.951): único cluster negativo — “ruim, desculpa, foda, merda”.

Mapa visual dos temas (UMAP 2D)

Redução dos embeddings de 768 dimensões para 2D via UMAP (amostra de 5.000 mensagens).

Code

coords = np.load(DATA_DIR / 'umap_coords_sample.npy')
labels_sample = np.load(DATA_DIR / 'umap_labels_sample.npy')

df_umap = pd.DataFrame({
    'x': coords[:, 0],
    'y': coords[:, 1],
    'cluster': labels_sample,
    'nome': [nomes_clusters[c] for c in labels_sample]
})

fig = px.scatter(
    df_umap, x='x', y='y', color='nome',
    hover_data=['cluster'],
    height=550,
    title="Mapa 2D dos temas (UMAP — 5.000 msgs amostradas)",
    color_discrete_sequence=px.colors.qualitative.Set3
)
fig.update_traces(marker=dict(size=5, opacity=0.7))
fig.update_layout(
    xaxis=dict(showticklabels=False, title=""),
    yaxis=dict(showticklabels=False, title=""),
    legend=dict(title="Tema", orientation="v", yanchor="top", y=1, xanchor="left", x=1.02)
)
fig.show()

O mapa mostra clusters bem separados — especialmente C3 (risadas) e C0 (saudações) tendem a formar ilhas próprias, enquanto C1 (reações) e C9 (planos) ocupam o núcleo denso por serem os mais genéricos.

Quem fala mais de cada tema?

Code

ct = pd.crosstab(df_c['cluster'], df_c['remetente'], normalize='columns') * 100
ct['nome'] = [nomes_clusters[c] for c in ct.index]

fig = go.Figure()
for who, cor in [('P1', '#4C78A8'), ('P2', '#F58518')]:
    fig.add_trace(go.Bar(
        y=ct['nome'], x=ct[who],
        name=who, orientation='h', marker_color=cor,
        text=ct[who].round(1).astype(str) + '%',
        textposition='inside'
    ))

fig.update_layout(
    barmode='group', height=500,
    title_text="Distribuição de temas por remetente (%)",
    xaxis_title="% das mensagens da pessoa",
    yaxis_title=""
)
fig.show()

Leituras:

C0 (saudações) e C1 (reações) são mais P1 — 5,0% vs. 1,9% e 21,4% vs. 16,9%. P1 responde mais vezes com reações curtas e dá mais “bom dia”.
C3 (risadas kkkk) é mais P2 — 5,3% vs. 3,8%. P2 ri mais explicitamente.
C4 (comida/desejo) é mais P2 — 8,2% vs. 6,3%.
C9 (planos e vontades) é bem mais P2 — 16,9% vs. 11,3%. P2 verbaliza vontades e planos com muito mais frequência.

Combinado com os estilos: P1 reage e sauda; P2 ri, deseja e planeja. A divisão faz sentido — P1 é mais reativo/carinhoso, P2 é mais propositivo/verbal sobre vontades.

Evolução temporal — os temas mudaram?

Code

df_c['ym'] = df_c['timestamp'].dt.to_period('M').astype(str)
monthly = pd.crosstab(df_c['ym'], df_c['cluster'], normalize='index') * 100

# Mantém ordem crono
monthly = monthly.sort_index()
# Renomeia colunas com nomes de clusters
monthly.columns = [f"C{c}: {nomes_clusters[c][:18]}" for c in monthly.columns]

fig = go.Figure(data=go.Heatmap(
    z=monthly.values,
    x=monthly.columns,
    y=monthly.index,
    colorscale='Viridis',
    colorbar=dict(title="%"),
    hovertemplate='%{y}<br>%{x}: %{z:.1f}%<extra></extra>'
))
fig.update_layout(
    height=500,
    title_text="Composição mensal dos temas (% por mês)",
    xaxis_title="",
    yaxis_title="Mês",
    xaxis=dict(tickangle=-30)
)
fig.show()

Tendências visíveis:

C2 (afeto explícito) cresce de 6,1% em dez/2024 → 12,8% em mar/2025 e estabiliza em ~11% nos meses seguintes. Afeto verbal ganhou espaço nos primeiros meses e virou padrão.
C5 (expressões importadas e links) cai gradualmente: 18,8% em dez/2024 → 13,0% em out/2025. Pode refletir amadurecimento do vocabulário compartilhado (menos importação externa, mais repertório interno).
C6 (rotina) tem um pulo no último mês (13,1% em out/2025 vs. ~8% nos anteriores) — pode indicar mais conversa sobre descansar/dormir numa fase de mais cansaço ou menor volume.
C9 (planos) tem pico em setembro/2025 (17,4%) — período de queda de volume mas de mais vontades verbalizadas.
C1 (reações) é notavelmente estável em ~18–21% todo o ano.

Juntos vs. separados

Code

ct = pd.crosstab(df_c['cluster'], df_c['em_encontro'], normalize='columns') * 100
ct.columns = ['Separados', 'Juntos']
ct['diff'] = ct['Juntos'] - ct['Separados']
ct['nome'] = [nomes_clusters[c] for c in ct.index]
ct = ct.sort_values('diff', ascending=False)

fig = go.Figure()
fig.add_trace(go.Bar(
    y=ct['nome'], x=ct['diff'],
    marker_color=['#2ECC71' if v > 0 else '#E74C3C' for v in ct['diff']],
    orientation='h',
    text=[f'+{v:.1f}pp' if v > 0 else f'{v:.1f}pp' for v in ct['diff']],
    textposition='outside',
    showlegend=False
))
fig.update_layout(
    height=450,
    title_text="Diferença juntos − separados (pontos percentuais)",
    xaxis_title="Diferença (juntos − separados) em p.p.",
    yaxis_title=""
)
fig.add_vline(x=0, line_dash="dash", line_color="gray")
fig.show()

Temas que crescem quando estão juntos:

C9 (planos/vontades) — +3,4pp. Faz sentido: “vamos fazer X?”, “e agora?”, decisões em tempo real.
C6 (rotina) — +1,0pp.
C4 (comida/desejo) — +1,0pp. Também óbvio: comer juntos vira tema.

Temas que caem quando estão juntos:

C8 (frustrações) — −1,6pp. Possível interpretação: queixas pesadas são para quando está separado e há mais distância/espaço para desabafar.
C2 (afeto explícito) — −1,3pp. O afeto por texto substitui a presença; quando junto, é dito em pessoa.
C0 (saudações) — −0,6pp. Menos “bom dia” via texto quando se acorda do lado.

Padrão coerente: texto substitui presença para afeto e saudações; juntos, o texto vira canal de planejamento e cuidado operacional.

Conclusões

Dez famílias de mensagens aparecem com boa separação. O clustering semântico produziu grupos coerentes: saudações, reações, afeto, risadas, comida/desejo, expressões importadas, rotina, terceiros, frustrações, planos.
O “miolo” da conversa é reativo/confirmatório. C1 (Reações — 19%) + C5 (Expressões importadas — 16%) + C9 (Planos — 14%) já totalizam quase metade das mensagens. A conversa é predominantemente operacional e de lubrificação social.
Só ~11% das mensagens são afeto explícito. C2 (“amo, paixão, adoro”). Não é uma conversa de “eu te amo o dia todo” — é cotidiana com afeto concentrado em momentos.
P1 é reativo-carinhoso; P2 é propositivo-desejoso. P1 lidera em saudações e reações curtas. P2 lidera em risadas, comida/desejo e planos/vontades.
Afeto explícito cresceu nos primeiros meses e estabilizou. De ~6% em dez/2024 para ~11% em mar/2025 — aumento de 2× na primeira metade do ano.
Quando juntos, o texto vira logística; separados, vira afeto. +3,4pp de planos juntos; +1,3pp de afeto explícito separados.
Frustrações têm canal preferencial: separados. C8 cai 1,6pp quando juntos — sinal de que desabafos pesados usam o texto, não a presença.

Ver também

08 - Findings Dinâmica — quando cada tema acontece.
09 - Findings Sentimento — tom vs. tema.
06 - Análise Avançada — versão técnica/exploratória do clustering.

--- title: "Findings - Temas da Conversa" subtitle: "Clustering semântico: sobre o que P1 e P2 falam" author: "Marlon" date: today format: html: toc: true toc-depth: 3 theme: cosmo code-fold: true code-tools: true execute: warning: false echo: true freeze: true --- # Resumo Os notebooks 04f–04i geraram **embeddings** (representações numéricas de 768 dimensões) para cada mensagem textual da conversa, usando o modelo **paraphrase-multilingual-mpnet-base-v2** — multilíngue, adequado para português. Este notebook faz o que esses embeddings foram pensados pra fazer: **encontrar temas recorrentes** através de clustering. Rodamos K-Means com **k=10** sobre as 66.743 mensagens textuais da fase de Relacionamento e caracterizamos cada cluster por seu vocabulário distintivo (TF-IDF). O resultado: **dez "famílias" de mensagens** com identidades bem claras — saudações, piadas, afeto explícito, rotina, planos, frustrações e mais. ::: {.callout-note} Mensagens apenas de mídia (áudios, vídeos, stickers omitidos) não têm embedding — o clustering só cobre as 66.743 mensagens com conteúdo textual, de um total de 89.336 no período de Relacionamento. ::: --- # Setup ```{python} #| label: setup import pandas as pd import numpy as np import plotly.express as px import plotly.graph_objects as go from plotly.subplots import make_subplots from pathlib import Path import warnings warnings.filterwarnings('ignore') from whatsapp.pipeline.config import DATA_FOLDER DATA_DIR = Path("../data/processed") / DATA_FOLDER df = pd.read_parquet(DATA_DIR / 'messages_with_models.parquet') dfc = pd.read_parquet(DATA_DIR / 'messages_with_context.parquet') df['fase_relacionamento'] = dfc['fase_relacionamento'] df['timestamp'] = pd.to_datetime(df['timestamp']) # Máscaras alinhadas ao array de embeddings (ordem do df original) mask_has_emb = df['similaridade_anterior'].notna() mask_rel = df['fase_relacionamento'] == 'Relacionamento' mask_both = mask_has_emb & mask_rel labels = np.load(DATA_DIR / 'cluster_labels_mpnet_k10.npy') df_c = df[mask_both].copy() df_c['cluster'] = labels print(f"Mensagens clusterizadas: {len(df_c):,}") print(f"Clusters: {df_c['cluster'].nunique()}") ``` --- # Os 10 temas O clustering produziu grupos semanticamente coerentes. Nomeei cada um com base nas palavras dominantes e em inspeção amostral: ```{python} #| label: nomes-clusters nomes_clusters = { 0: 'Saudações e agradecimentos', 1: 'Reações e confirmações', 2: 'Afeto explícito', 3: 'Risadas (kkkk)', 4: 'Comida, desejo e apelidos', 5: 'Expressões importadas e links', 6: 'Rotina diária (dormir/acordar)', 7: 'Conversas sobre terceiros', 8: 'Frustrações e negatividade', 9: 'Planos e vontades', } palavras_clusters = { 0: ['bom', 'dia', 'obrigada', 'obrigado', 'boa', 'coisa', 'hahaha'], 1: ['entendi', 'hahaha', 'boa', 'mesmo', 'coisa', 'demais', 'linda', 'agora'], 2: ['amo', 'vida', 'demais', 'linda', 'lindo', 'paixão', 'adoro'], 3: ['kkkkkkk', 'kkkk', 'kkkkk', 'kkkkkkkkkkkk'], 4: ['gato', 'gostoso', 'gata', 'gostosa', 'delícia', 'comer', 'fome', 'café'], 5: ['was', 'https', 'baby', 'pqp', 'socorro', 'mto', 'vdd', 'spotify', 'mara'], 6: ['dormir', 'acordei', 'dormi', 'saudade', 'casa', 'amanhã', 'noite'], 7: ['ele', 'ela', 'dele', 'queria', 'falou', 'olivia', 'disse'], 8: ['nada', 'sem', 'ainda', 'nunca', 'ruim', 'desculpa', 'foda', 'merda'], 9: ['quero', 'agora', 'ver', 'fazer', 'casa', 'queria', 'bolar', 'chegar'], } size_cluster = df_c['cluster'].value_counts().sort_index() resumo = pd.DataFrame({ 'Cluster': [f"C{c}" for c in range(10)], 'Nome': [nomes_clusters[c] for c in range(10)], 'N msgs': [f"{size_cluster.get(c, 0):,}" for c in range(10)], 'Palavras-chave': [', '.join(palavras_clusters[c][:6]) for c in range(10)] }) resumo ``` **Os maiores clusters** (>9k msgs cada): - **C1 — Reações e confirmações** (12.744): o "entendi/hahaha/boa" — o lubrificante conversacional da troca. - **C5 — Expressões importadas e links** (10.555): `pqp`, `socorro`, `mto`, `vdd`, links, palavras em inglês (`was`, `baby`). Reações em expressões geracionais. - **C9 — Planos e vontades** (9.459): `quero`, `agora`, `ver`, `fazer`, `casa`. O operacional do dia. **Os clusters mais "carregados emocionalmente"**: - **C2 — Afeto explícito** (7.279): "amo, paixão, adoro, linda". - **C4 — Comida, desejo e apelidos** (4.844): "gato, gostoso, gata, comer, fome". Desejo + comida colados. - **C8 — Frustrações e negatividade** (5.951): único cluster negativo — "ruim, desculpa, foda, merda". --- # Mapa visual dos temas (UMAP 2D) Redução dos embeddings de 768 dimensões para 2D via UMAP (amostra de 5.000 mensagens). ```{python} #| label: umap-plot coords = np.load(DATA_DIR / 'umap_coords_sample.npy') labels_sample = np.load(DATA_DIR / 'umap_labels_sample.npy') df_umap = pd.DataFrame({ 'x': coords[:, 0], 'y': coords[:, 1], 'cluster': labels_sample, 'nome': [nomes_clusters[c] for c in labels_sample] }) fig = px.scatter( df_umap, x='x', y='y', color='nome', hover_data=['cluster'], height=550, title="Mapa 2D dos temas (UMAP — 5.000 msgs amostradas)", color_discrete_sequence=px.colors.qualitative.Set3 ) fig.update_traces(marker=dict(size=5, opacity=0.7)) fig.update_layout( xaxis=dict(showticklabels=False, title=""), yaxis=dict(showticklabels=False, title=""), legend=dict(title="Tema", orientation="v", yanchor="top", y=1, xanchor="left", x=1.02) ) fig.show() ``` O mapa mostra clusters bem separados — especialmente **C3 (risadas)** e **C0 (saudações)** tendem a formar ilhas próprias, enquanto **C1 (reações)** e **C9 (planos)** ocupam o núcleo denso por serem os mais genéricos. --- # Quem fala mais de cada tema? ```{python} #| label: cluster-por-remetente ct = pd.crosstab(df_c['cluster'], df_c['remetente'], normalize='columns') * 100 ct['nome'] = [nomes_clusters[c] for c in ct.index] fig = go.Figure() for who, cor in [('P1', '#4C78A8'), ('P2', '#F58518')]: fig.add_trace(go.Bar( y=ct['nome'], x=ct[who], name=who, orientation='h', marker_color=cor, text=ct[who].round(1).astype(str) + '%', textposition='inside' )) fig.update_layout( barmode='group', height=500, title_text="Distribuição de temas por remetente (%)", xaxis_title="% das mensagens da pessoa", yaxis_title="" ) fig.show() ``` **Leituras:** - **C0 (saudações) e C1 (reações) são mais P1** — 5,0% vs. 1,9% e 21,4% vs. 16,9%. P1 responde mais vezes com reações curtas e dá mais "bom dia". - **C3 (risadas kkkk) é mais P2** — 5,3% vs. 3,8%. P2 ri mais explicitamente. - **C4 (comida/desejo) é mais P2** — 8,2% vs. 6,3%. - **C9 (planos e vontades) é bem mais P2** — 16,9% vs. 11,3%. P2 verbaliza vontades e planos com muito mais frequência. Combinado com os [estilos](11-findings-estilos.qmd): **P1 reage e sauda; P2 ri, deseja e planeja.** A divisão faz sentido — P1 é mais reativo/carinhoso, P2 é mais propositivo/verbal sobre vontades. --- # Evolução temporal — os temas mudaram? ```{python} #| label: heatmap-temporal df_c['ym'] = df_c['timestamp'].dt.to_period('M').astype(str) monthly = pd.crosstab(df_c['ym'], df_c['cluster'], normalize='index') * 100 # Mantém ordem crono monthly = monthly.sort_index() # Renomeia colunas com nomes de clusters monthly.columns = [f"C{c}: {nomes_clusters[c][:18]}" for c in monthly.columns] fig = go.Figure(data=go.Heatmap( z=monthly.values, x=monthly.columns, y=monthly.index, colorscale='Viridis', colorbar=dict(title="%"), hovertemplate='%{y}<br>%{x}: %{z:.1f}%<extra></extra>' )) fig.update_layout( height=500, title_text="Composição mensal dos temas (% por mês)", xaxis_title="", yaxis_title="Mês", xaxis=dict(tickangle=-30) ) fig.show() ``` **Tendências visíveis:** - **C2 (afeto explícito)** cresce de **6,1% em dez/2024 → 12,8% em mar/2025** e estabiliza em ~11% nos meses seguintes. Afeto verbal ganhou espaço nos primeiros meses e virou padrão. - **C5 (expressões importadas e links)** cai gradualmente: 18,8% em dez/2024 → 13,0% em out/2025. Pode refletir amadurecimento do vocabulário compartilhado (menos importação externa, mais repertório interno). - **C6 (rotina)** tem um pulo no **último mês** (13,1% em out/2025 vs. ~8% nos anteriores) — pode indicar mais conversa sobre descansar/dormir numa fase de mais cansaço ou menor volume. - **C9 (planos)** tem pico em **setembro/2025 (17,4%)** — período de queda de volume mas de *mais vontades verbalizadas*. - **C1 (reações)** é notavelmente estável em ~18–21% todo o ano. --- # Juntos vs. separados ```{python} #| label: cluster-juntos-separados ct = pd.crosstab(df_c['cluster'], df_c['em_encontro'], normalize='columns') * 100 ct.columns = ['Separados', 'Juntos'] ct['diff'] = ct['Juntos'] - ct['Separados'] ct['nome'] = [nomes_clusters[c] for c in ct.index] ct = ct.sort_values('diff', ascending=False) fig = go.Figure() fig.add_trace(go.Bar( y=ct['nome'], x=ct['diff'], marker_color=['#2ECC71' if v > 0 else '#E74C3C' for v in ct['diff']], orientation='h', text=[f'+{v:.1f}pp' if v > 0 else f'{v:.1f}pp' for v in ct['diff']], textposition='outside', showlegend=False )) fig.update_layout( height=450, title_text="Diferença juntos − separados (pontos percentuais)", xaxis_title="Diferença (juntos − separados) em p.p.", yaxis_title="" ) fig.add_vline(x=0, line_dash="dash", line_color="gray") fig.show() ``` **Temas que crescem quando estão juntos:** - **C9 (planos/vontades)** — +3,4pp. Faz sentido: "vamos fazer X?", "e agora?", decisões em tempo real. - **C6 (rotina)** — +1,0pp. - **C4 (comida/desejo)** — +1,0pp. Também óbvio: comer juntos vira tema. **Temas que caem quando estão juntos:** - **C8 (frustrações)** — −1,6pp. Possível interpretação: queixas pesadas são para quando está separado e há mais distância/espaço para desabafar. - **C2 (afeto explícito)** — −1,3pp. O afeto por texto substitui a presença; quando junto, é dito em pessoa. - **C0 (saudações)** — −0,6pp. Menos "bom dia" via texto quando se acorda do lado. Padrão coerente: **texto substitui presença para afeto e saudações; juntos, o texto vira canal de planejamento e cuidado operacional.** --- # Conclusões 1. **Dez famílias de mensagens aparecem com boa separação.** O clustering semântico produziu grupos coerentes: saudações, reações, afeto, risadas, comida/desejo, expressões importadas, rotina, terceiros, frustrações, planos. 2. **O "miolo" da conversa é reativo/confirmatório.** C1 (Reações — 19%) + C5 (Expressões importadas — 16%) + C9 (Planos — 14%) já totalizam quase metade das mensagens. A conversa é predominantemente operacional e de lubrificação social. 3. **Só ~11% das mensagens são afeto explícito.** C2 ("amo, paixão, adoro"). Não é uma conversa de "eu te amo o dia todo" — é cotidiana com afeto concentrado em momentos. 4. **P1 é reativo-carinhoso; P2 é propositivo-desejoso.** P1 lidera em saudações e reações curtas. P2 lidera em risadas, comida/desejo e planos/vontades. 5. **Afeto explícito cresceu nos primeiros meses e estabilizou.** De ~6% em dez/2024 para ~11% em mar/2025 — aumento de 2× na primeira metade do ano. 6. **Quando juntos, o texto vira logística; separados, vira afeto.** +3,4pp de planos juntos; +1,3pp de afeto explícito separados. 7. **Frustrações têm canal preferencial: separados.** C8 cai 1,6pp quando juntos — sinal de que desabafos pesados usam o texto, não a presença. ::: {.callout-tip} ## Ver também - [08 - Findings Dinâmica](08-findings-dinamica.qmd) — *quando* cada tema acontece. - [09 - Findings Sentimento](09-findings-sentimento.qmd) — *tom* vs. *tema*. - [06 - Análise Avançada](06-advanced-analysis.qmd) — versão técnica/exploratória do clustering. :::