Imagine que a partir de agora, além de uma visão quantitativa dos atendimentos, é possível ter uma visão qualitativa sobre como o seu cliente está percebendo a sua empresa
Imagine que você é da área de atendimento ao cliente da sua empresa e logo pela manhã três reclamações sobre o produto ou serviço da empresa através do seu canal de reclamações. Nesse momento em que sua companhia está exposta? Como você vai priorizar os atendimentos?
A resposta comumente adotada nas empresas hoje em dia é a abordagem padrão de FIFO (First In First Out) nesse modelo você irá tratar cada insatisfação conforme a ordem de chegada, apesar de não ser necessariamente a abordagem ideal, acaba sendo a mais adotada pela maioria das empresas. Ocorre que esse processo tem sido assim por muito tempo, ignoramos algo importante que o cliente nos provê em cada interação, seu sentimento e emoção com relação a nossa empresa e aquela situação em particular.
Com o advento das tecnologias de inteligência artificial iniciaremos uma nova era no processo de atendimento aos clientes, imagine que ao invés do FIFO, você pudesse fazer o MTCF (Most Troubled Customer First), nesse modelo a ordem de tratamento das reclamações se daria conforme o grau de sentimento e emoções do cliente em questão, dessa maneira você poderia focar em retomar a qualidade daqueles clientes que se demonstram mais frustrados ou com raiva de sua marca.
Traríamos ao processo de atendimento sentimentos e emoções, esse novo atributo poderá garantir uma mudança radical nos processos de atendimento dentro das empresas, imagine que você pudesse definir estratégias com base em sentimentos.
Poderemos evitar que o prazo de atendimento de um cliente que esteja calmo seja o mesmo de um cliente que demonstra sinais de raiva, pois a raiva é o que leva a posts sempre mais furiosos nas redes sociais, enquanto a calma permite que tenhamos mais tempo para contornar uma situação.
Para atingir esse modelo de operação basta inserirmos dentro do nosso processo de atendimento a adoção de API de inteligência artificial voltada para NLU (Natural Language Understanding) essa função permite que através de uma frase escrita pelo consumidor ou transcrita de uma ligação gere uma série de dados que podem influenciar em como o processo de atendimento será gerido. Os atributos que podemos incorporar no atendimento são:
Sentimento: esse atributo gera um score que vai de -100 até +100 e também colocando se o sentimento é positivo ou negativo, quanto mais positivo melhor.
Emoções: apresenta as emoções e o percentual que aquelas emoções estavam presentes no texto. Cada interação pode trazer o percentual de Raiva, Alegria, desgosto, frustração e etc.
Palavras-chave: busca as palavras dentro do texto buscando entender os itens chaves, isso permite num futuro estruturar dados desestruturados do cliente em um modelo para agrupar os itens mais relevantes, sem necessitar classificar as demandas posteriormente em um sistema.
Classificação: esse recurso permite classificar as informações de forma automática, assim passamos a criar um tipo de classificação que advém dos dados e não somente da estrutura de um catálogo de serviço. Além disso esse recurso pode ser criado tendo como base o histórico da sua base de atendimentos.
O que antes era uma simples descrição do atendimento do cliente, agora passa a gerar uma série de informações que podem mudar totalmente o processo de atendimento, assim construiremos uma estrutura muito mais alinhada com o momento e gravidade que o cliente necessita. Acredito que entender a emoção como parte do processo do atendimento será um grande avanço em como as empresas irão se estruturar daqui em diante.
Imagine que a partir de agora, além de uma visão quantitativa dos atendimentos, é possível ter uma visão qualitativa sobre como o seu cliente está percebendo a sua empresa, sentimento, emoções, palavras-chave. Um mundo novo nos espera.
*Fernando Baldin é diretor de operações do Grupo Quality
