Stinligue inova ao levar processamento de linguagem natural, em Português, ao SAC

A Stinlingue, empresa nacional de monitoramento de conteúdo na internet com inteligência artificial (Al, na sigla em inglês), inova mais uma vez e apresenta o seu sistema SAC, único no mercado a incorporar o Processamento de Linguagem Natural (PLN) e as visualizações de dados avançadas em um modelo mais robusto e completo. Com a integração aos outros três módulos oferecidos pela empresa (Social Listening, análise de métricas de canais proprietários e influenciadores), torna o trabalho das equipes de atendimento muito mais proativo, aprofundado e automatizado.

Com isso, a tomada de decisão e a definição de estratégias e ações são baseadas em indicadores mais detalhados fornecidos pela ferramenta. Ao integrar a inteligência artificial, o SAC da Stinlingue traz uma série de diferenciais. O novo sistema permite uma análise mais prática, na qual os gerentes de atendimento passam a entender não apenas os números que foram gerados a partir das análises, mas principalmente, o porquê daqueles indicadores e qual a sua relevância. Isso se aplica a uma crise, um problema de produto ou um lançamento, no qual ele pode entender o que está ocorrendo ou identificar uma oportunidade de negócio.

“A ferramenta é capaz de ler, resumir, classificar e entender os dados. E, com isso, identificar padrões/oportunidades dentre o enorme volume de conversas que trafegam nos canais digitais das empresas brasileiras. É um conhecimento que sempre esteve à disposição, mas que não havia tecnologia disponível para se procurar”, comenta Cássia Messias, COO da Stinlingue.

O roteamento de dados passa a ter a IA como um aliado, tornando o processo de classificação de textos muito menos manual e mais automático, baseado em criticidade e relevância. A plataforma faz o roteamento e revela ao profissional da equipe de atendimento exatamente o que está acontecendo, se determinado produto está sendo elogiado ou se está ocorrendo algum problema com a operação logística, por exemplo. O relatório do SAC, por sua vez, ganha filtros mais dinâmicos, Text Analytics, e pode ser visualizado de diversas maneiras, com informações diferentes.

“Essa classificação sempre foi manual, mas agora passa a ser automática via Machine Learning – Aprendizado de Máquina. Os profissionais contam com o apoio da plataforma para entender conversas em redes sociais e contact centers, permitindo às empresas ampliarem o conhecimento de seus consumidores para outro nível em uma voz única do consumidor por toda a jornada com a marca”, completa Cássia.

Vantagens para equipes e clientes

O novo módulo da Stinlingue, além de trazer benefícios para as equipes, impacta diretamente na produtividade dos clientes. As vantagens da nova aplicação incluem:
• a redução significativa de tempo dos profissionais dedicados às atividades operacionais, de cerca de 40%;
• a ampliação da capacidade de compreensão – por parte do time de analistas – dos dados que trafegam nesses canais e das possíveis oportunidades e problemas conversados nesses casos;
• o apoio na antecipação e prevenção de crise, o que permite identificar a repercussão sobre um determinado assunto e tomar ações preventivas e corretivas;
• a identificação dos principais atributos de valor, relacionados a um produto ou lançamento, com base nas interações. Com isso, é possível planejar investimentos e correções de rota em um determinado atributo de acordo com seu desempenho;
• a identificação automática das comunidades e os focos de conversas nas redes sociais com oportunidades de atuação proativa do time de atendimento e;
• a integração e comparação das conversas orgânicas dos canais de atendimento das empresas com as conversas orgânicas das redes sociais (Social Listening) da imprensa e outros canais de diálogo com o cliente disponíveis na empresa. O objetivo é entender as divergências e convergências de opiniões e ir além da tradicional análise de sentimento – positiva e negativa – e mergulhar na compreensão de opiniões e características com muitos mais detalhes.

Esse último ponto, segundo Cássia Messias, é um dos mais importantes, pois representa uma grande evolução, da análise de sentimento tradicional, para a análise de opiniões. “Mais relevante do que dizer se a conversa é positiva ou negativa sobre um produto, como um celular por exemplo, é saber que o preço está caro enquanto a bateria é boa”, diz. Com isso, é possível colher informações e dados baseados na análise de opiniões com uma maior granularidade e, consequentemente, ter subsídios mais críticos para a tomada de decisão. “O que interessa para o cliente é o impacto e a influência que os seus produtos terão para os negócios da empresa”, finaliza a executiva.