IA na Experiência do Cliente
Indo além do chatbot e ouvindo o cliente de verdade
Introdução
Hoje, fala-se muito do uso de Inteligência Artificial (IA) para melhorar a experiência do cliente, porém, boa parte do que ouvimos por aí acaba restringindo basicamente ao mesmo tema: chatbots. Será que esse é o único e/ou melhor uso da tecnologia nesse caso?
Neste artigo, queremos mostrar para você que não: a IA evoluiu de forma significativa nos últimos anos, e isso proporcionou diversos novos casos de uso na área de Experiência do Cliente. Ao longo desse texto, vamos apresentar algumas dessas aplicações que têm gerado alto valor a diversos negócios que estão inovando ao adotá-las.
Vamos lá?
O primeiro passo para a centralidade no cliente
Como ouvir o cliente? Muitas das companhias que encaram o desafio de ter cada vez mais clientes satisfeitos e encantados concluem que é importante dar voz a quem usa seus produtos ou serviços no dia-a-dia.
Apesar de ser uma conclusão lógica, não se engane: ouvir o cliente não é fácil. A dificuldade é proporcional a diversos fatores: tamanho e heterogeneidade da sua base de clientes, complexidade do(s) seu(s) produto(s), diferentes canais e meios de interação que você tem com seu cliente, entre outros.
Hoje, já contamos com métodos bem validados para entender quais os motivos de insatisfação do cliente. Os métodos mais utilizados são os de feedback induzido: pesquisas feitas com o objetivo de quantificar o quão boa/ruim é a experiência que o cliente está tendo. Apesar dos métodos de pesquisa disponíveis possuírem uma vasta validação de mercado por trazer ótimos resultados, com relações comprovadas entre a resposta e o nível de fidelidade do cliente com a marca, nem sempre as metodologias são usadas da forma correta: a criação de uma boa pesquisa é um trabalho complexo, dependendo de uma aplicação correta para que o resultado seja suficientemente detalhado e, ao mesmo tempo, estatisticamente válido. Caso contrário, poucos insights serão obtidos a partir dos resultados.
Além disso, pesquisas nem sempre capturam a experiência do cliente em tempo real. Às vezes o cliente só responde muito tempo depois da experiência já ter acabado ou nem responde por se tratar de um esforço maior do que o tempo que ele está disposto a despender naquele momento para dar um feedback à marca. E mesmo o cliente dando um feedback agora, será que ele daria outro na próxima vez que você precisasse? Provavelmente não! A fadiga de resposta nesse caso é um fator importante. Todos nós já recebemos mais de uma pesquisa em um curto período e raramente respondemos.
Pensando nos problemas descritos anteriormente, algumas companhias estão aproveitando as interações que já realizam com o cliente para coletar o feedback espontâneo (aquele feedback que nós, os clientes, damos durante ligações aos canais de suporte, em envios de e-mail ao Fale Conosco, em conversas de chat no site da marca ou no Whatsapp, em posts nas redes de reclamação ou redes sociais), conseguindo, então, uma visão mais completa e imediata de toda a experiência: O cliente não precisa responder uma pesquisa para detalhar novamente o problema que teve, pois a informação já está na interação que existiu entre o cliente e a companhia.
Por outro lado, o feedback espontâneo é um tipo de dado que necessita de um esforço alto para ser tratado. Em muitos casos, existe um altíssimo volume de interações entre as empresas e os clientes (imagine quantas ligações uma grande marca recebe por dia, podem ser milhares) e esse é um dado considerado “não estruturado”, ou seja, aparece na forma de um texto livre, áudio, ou em outros formatos que não são uma base de dados bem desenhada, com colunas e conteúdo bem definidos.
Dado esse cenário, quantas interações eu preciso ler/ouvir para tirar a informação que eu preciso? A resposta é: Depende. Se sua empresa precisa entender quais são as jornadas que o cliente está tendo mais atrito ou que está mais precisando de ajuda, então talvez interpretar os dados de forma amostral já resolva o seu problema. Mas ainda assim, sem uma ferramenta adequada, você vai precisar treinar algumas pessoas para fazer manualmente esse trabalho, além de ter que checar com uma certa frequência a qualidade do que foi feito e, o mais importante, você só terá essas informações algum tempo depois que as interações ocorreram, quando os profissionais pararem para analisar a amostra do mês ou do dia, nunca em tempo real.
Se você trabalha com atendimento ao cliente, pode ser que esteja pensando: “tenho um método melhor ainda: vamos treinar os atendentes de cada canal (callcenter, e-mail, chat, rede social, entre outros) para classificarem como foi a interação assim que terminarem de atender o cliente.” Qual o problema dessa abordagem? É ainda mais difícil garantir a qualidade dos dados nesse caso devido à baixa capacitação dos profissionais que vão precisar executar, além do atendimento, mais essa tarefa em um grande volume de interações. Existem casos como esse em que os operadores classificaram só 46% das vezes corretamente, e isso é completamente compreensível: Cada pessoa é diferente, e vai ter uma interpretação distinta de como foi a interação. Outras nem vão se preocupar em dar muita atenção a essa etapa porque, no fim das contas, eu preciso atender o cliente, certo?
Será que não conseguimos obter esse feedback espontâneo de forma escalável?
Obtendo o feedback espontâneo em escala
Vimos então que o feedback espontâneo é um dado muito rico por endereçar alguns dos problemas dos métodos de feedback induzido: representa a experiência do cliente em tempo real, possui um baixo esforço de resposta por parte deste cliente e é um dado abundante, mesmo em pequenos negócios. Apesar disso, traz também desafios, sendo altamente desestruturado e, em muitos casos, volumoso.
Aí entra a Inteligência Artificial: Algoritmos de processamento de linguagem natural (NLP, em inglês) evoluíram muito nos últimos anos e hoje permitem o processamento massivo de textos e áudios de forma automática e acurada. Uma vez conectado aos canais, os algoritmos têm o poder de:
- Serem agnósticos ao canal de interação, já que trabalham apenas com o conteúdo de texto ou áudio, possibilitando o tratamento eficiente de diversos canais de contato com muita escala;
- Processar e disponibilizar os resultados praticamente em tempo real, algo muitas vezes impossível para seres humanos;
- Entender os dados de forma consistente, removendo a subjetividade da análise feita por um ser humano;
Mas será que a Inteligência Artificial funciona da forma que a gente espera mesmo?
Como a IA funciona (de forma simplificada) e quais são as suas aplicações
Primeiro, a IA precisa entender a relação semântica entre as palavras de um texto. Métodos como o BERT ¹ (criado pelo Google) fazem muito bem isso. Essa metodologia vai ajudar a estruturar a informação para que ela seja usada por outros algoritmos de classificação (Como Regressões Logísticas, Árvores de Decisão, etc.). Por exemplo, uma vez que o dado é estruturado, podemos obter como informação:
- Qual foi o motivo da interação daquele cliente (Se ele ligou para cancelar porque não gostou do serviço/produto, ou porque achou muito caro)
- Entender se o cliente ficou ou não satisfeito com a interação pela forma que ele se expressa
- Identificar contatos críticos, como quando cliente diz que vai entrar com um processo judicial por uma cobrança indevida, ou quando foi desrespeitado de alguma forma durante o atendimento
E onde nós usamos toda essa informação obtida?
Podemos realizar mudanças estratégicas nas jornadas do cliente
Se a Inteligência Artificial classifica que muitos clientes estão pedindo informação sobre preço na central de atendimento, talvez isso indique que as informações de custo nos canais digitais não estão sendo disponibilizadas de uma forma clara e acessível ao cliente. Esse é um exemplo das inúmeras oportunidades que IA pode apontar para que ações sejam tomadas e para que, consequentemente, diminuam os casos onde um operador precisa realizar um atendimento de baixa complexidade.
Automatizar fluxos e tratativas para casos específicos
Se eu já identifiquei que um cliente quer cancelar o serviço durante a conversa com o 1º atendente (que provavelmente não foi treinado para atender um caso crítico desse tipo), porque eu já não o encaminho para uma célula especializada em retenção, em vez de deixar ele esperando o operador encaminhar? Principalmente em trocas de e-mail, existem casos onde isso pode gerar um aumento de 24 horas no SLA!
Acompanhar sazonalidade de assuntos e temas específicos
Vamos supor que a companhia lançou uma promoção, e você (como o bom gestor que é) precisa ficar alerta se a demanda por atendimento de um produto específico vai aumentar, para poder mobilizar mais operadores no momento certo e garantir que o SLA fique dentro da meta. Se a IA já classifica todas as interações em tempo real, ficou fácil criar uma inteligência que dispara um alerta aos gestores para quando o volume de um motivo de contato atingir seu valor máximo!
A Gartner também estima que 60% das empresas que já usam algum tipo de metodologia de Voice-of-Customer vão passar a usar IA no futuro³. Trata-se de um movimento natural do mercado para aumentar a receita das empresas, mas também representa um movimento importante para os consumidores, ou seja, nós. Todos aqui já passamos por uma má experiência com algum produto ou serviço (seja ela durante um atendimento, ou durante o uso do produto). Com o uso de IA, estamos empoderando o cliente, já que a partir de sua adoção, conseguimos levar a voz de quem compra (de forma clara e estruturada) às pessoas que tomam as decisões dentro da companhia.
Sobre o VEx.ai
Mesmo depois de concordarmos que usar IA na interação do cliente com a marca traz valor para o seu negócio, você deve estar pensando: Qual o esforço para desenvolver e implantar toda essa inteligência? Talvez seu time de cientistas de dados já esteja com o backlog cheio, ou você não tem alguém com expertise em IA para desenvolver tudo o que discutimos.
Foi a partir da observação desses problemas e enxergando uma oportunidade de ajudarmos nossos clientes a resolvê-los que criamos o VEx.ai. O VEx.ai é uma ferramenta que usa Inteligência Artificial para que as empresas consigam entender e agir a partir das interações com seus clientes.
Qual o esforço de implantação? Após se conectar aos canais em que o cliente fornece o feedback espontâneo e calibrar os algoritmos de IA, o VEx.ai está pronto para uso no dia-a-dia! Com ele, você conseguirá classificar todas as interações de seus clientes, entender quais clientes estão satisfeitos e insatisfeitos, criar alertas customizados para algum tipo de sazonalidade ou caso crítico que seu atendimento possui e até mesmo automatizar tratativas!
Com isso, conseguimos colher todos os benefícios de analisar o feedback espontâneo do cliente endereçando os desafios naturais do tema através da escala que só a adoção de IA consegue atingir:
Baixo esforço para ouvir o cliente:
Entenda qual o motivo de insatisfação do cliente pelo feedback fornecido espontaneamente, sem esforço adicional para colher um novo feedback. Em um de nossos casos, os campos livres da pesquisa (que antes eram processados em dias) passaram a ser processados em segundos.
Seja preciso:
Utilize a IA para obter os resultados com o máximo de acuracidade, aprendendo cada vez mais conforme novas interações são fornecidos à ferramenta. Para um de nossos clientes, atingimos uma acurácia de 41 p.p. superior à performance humana ao classificar a interação entre mais de 140 motivos de contatos diferentes.
Seja rápido e automatize tratativas:
Utilize a inteligência da ferramenta para identificar problemas na sua operação em tempo real e automatizar fluxos para cada tipo de demanda.
Use em todos os canais:
Utilize a mesma IA em todos os canais que desejar para obter o máximo de informação sobre a experiência do seu cliente, independente do formato de interação ser em áudio ou texto.
Se interessou? Acesse o nosso site! https://www.vexai.com.br/
Referências
- https://towardsdatascience.com/bert-explained-state-of-the-art-language-model-for-nlp-f8b21a9b6270
- https://www.techrepublic.com/article/how-artificial-intelligence-is-taking-call-centers-to-the-next-level/
- https://www.gartner.com/en/newsroom/press-releases/gartner-predicts-by-2025--60--of-organizations-with-voice-of-the