Artigo • 4 min read
Como melhorar a experiência do cliente usando Machine Learning
Por
Última atualização em 1 setembro 2017
A satisfação do cliente é o item básico de cada equipe de atendimento ao cliente. Todos queremos fazer nossos clientes felizes, e a satisfação transforma-se tanto na razão pela qual vamos às nossas empresas, quanto no barômetro com o qual medimos nosso sucesso. Toda interação oferece a uma empresa a chance de deixar um cliente se sentindo bem, ajudando a construir um relacionamento duradouro. No entanto, algumas interações com clientes têm uma qualidade imprevisível e acabam em um lugar diferente do que elas começaram. Se você soubesse a direção das interações com seus clientes, você estaria melhor equipado para lidar com elas de forma bem-sucedida, capaz de implantar ferramentas e recursos específicos para garantir um resultado positivo.
Em um relatório recente, Aphrodite Brinsmead, Analista Principal de Engajamento de Clientes da Ovum, observa que embora as empresas empreguem várias métricas diferentes para avaliar a satisfação do cliente – desde as taxas de resolução de tarefas até as taxas de retorno de chamada – estas métricas são tipicamente revisadas após o acontecido e não podem ajudar um agente a evitar um encontro difícil com um cliente antes que ele aconteça.
Essa falta de visão tem consequências a longo prazo, afetando a reputação da marca e a retenção de clientes. Os consumidores de hoje esperam por resoluções simples e rápidas para suas perguntas e problemas. Cada vez mais, eles estão comunicando-se com as empresas através de uma infinidade de canais digitais. Com esses e outros fatores em jogo, Brinsmead defende uma nova abordagem ao atendimento ao cliente: “De forma ideal, as centrais de contato precisam determinar a satisfação do cliente em tempo real para combater a taxa de churn e o sentimento negativo sendo compartilhado entre seus colegas”.
Ao aplicar o aprendizado automático e a análise preditiva, as empresas podem automatizar tarefas simples, como responder às perguntas mais frequentes e revolucionar a forma como fornecem suporte ao cliente.
“Aqui na Zendesk, estamos aplicando recursos de aprendizado de máquinas em alguns de nossos produtos”, disse Adrian McDermott, vice-presidente sênior de desenvolvimento de produtos da Zendesk. “Ferramentas como Previsão de satisfação e respostas automáticas fornecem aos clientes os recursos de que precisam para resolver problemas mais rapidamente e focar mais tempo e atenção em consultas que exigem um toque humano. À medida que avançarmos, continuaremos a expandir nosso uso de aprendizado automático em novas e excitantes maneiras, lendo mais pistas no conteúdo disponível e oferecendo respostas recomendadas”.
Quanto mais conveniente uma resolução, mais satisfeitos os clientes estarão com a sua empresa. É um ciclo de serviço e satisfação que tem um impacto real e mensurável no resultado de uma empresa.
Previsão de Satisfação
A ferramenta de Previsão de Satisfação da Zendesk oferece flexibilidade e personalização às empresas à medida que buscam solucionar seus próprios desafios de atendimento ao cliente. Com base em uma pontuação de “previsão de satisfação” atribuída a cada interação, as empresas podem escolher quais mensagens priorizar e podem dedicar mais tempo e recursos para resolver as questões mais desafiadoras. É como entregar uma bola de cristal a cada agente de atendimento ao cliente em sua equipe.
Por exemplo, ao assinalar os índices de satisfação negativa como um indicador de clientes de alto risco, o Pinterest pode agora mobilizar agentes de atendimento ao cliente para corrigir proativamente os problemas. Antes das ferramentas de aprendizado da máquina, o tempo do agente era gasto primeiro descobrindo problemas, depois tentando resolvê-los.
“Anteriormente, tínhamos um membro dedicado da equipe que examinava nossos tickets e escalava experiências identificadas como potencialmente negativas”, disse Maggie Armato, líder de suporte reativo do Pinterest. “Agora, usamos a pontuação de previsão para identificar automaticamente e com precisão esses tipos de tickets para que nossos agentes possam se concentrar em áreas de maior valor”.
Respostas automáticas
A Zendesk também usa o aprendizado de máquinas para fornecer respostas automáticas a consultas comuns de atendimento ao cliente, capacitando os clientes ao autoatendimento. Estudos mostram que um grande percentual de consumidores de hoje realmente preferem resolver seu próprio problema. Usando ferramentas internas para feedback de usuário em tempo real, as empresas podem refinar continuamente seu processo de autoatendimento, oferecendo informações mais rápidas e precisas. Mesmo as pequenas empresas sem um enorme conjunto de dados podem transformar o que sabem sobre seus clientes em uma experiência melhor.
No futuro, à medida que os produtos de consumo continuarem a interagir com a Internet, os canais digitais fornecerão ainda mais dados. Auxiliados pelo aprendizado de máquina, as centrais de atendimento ao cliente estarão em condições de analisar esses dados e reagir a um problema antes que o cliente esteja ciente da questão – realmente um passo inovador para as empresas focadas no atendimento ao cliente.
