As empresas que são realmente bem-sucedidas – estou falando daquelas que passaram pelo teste do tempo, não daquelas que são fogo de palha, cujo brilho intenso logo se apaga – são aquelas que investem consistentemente na fidelização dos seus clientes.
O que faz todo sentido: estatísticas mostram que um aumento de 5% na retenção de clientes pode fazer com que os lucros de uma empresa cresçam entre 25% e 95% durante um período de tempo.
Mas isso significa que essas empresas precisam gastar muito tempo e dinheiro para entender o que esses seus clientes estão pensando e sentindo. E, assim, poderem agir – ou reagir, quando necessário – preferencialmente em tempo real.
Infelizmente, se há uma coisa em que a maioria das empresas não é boa é em ouvir os clientes.
E nem é por falta de esforço. Segundo um artigo da Harvard Business Review, as ferramentas como Customer Satisfaction Score (CSAT) e Net Promoter Score (NPS), que são das mais usadas pelas empresas, falham em dizer o que os clientes realmente pensam e sentem, e podem até mascarar problemas sérios.
O problema é que esses métodos consagrados não conseguem obter respostas emocionais importantes e, como resultado, acabam perdendo um feedback extremamente importante. A pesquisa descobriu que os clientes geralmente pontuam bem as empresas em pesquisas, mesmo quando enfrentam problemas significativos com seus produtos ou serviços – uma resposta de vital importância que eles perdem. E, ao mascarar uma significativa insatisfação do cliente, essas pesquisas podem fazer com que as empresas percam clientes sem saber por quê.
IA e os tesouros escondidos
Existe, no entanto, uma mina de ouro de bons dados se você souber onde procurar e como analisá-los. Por exemplo, as caixas de comentários abertas normalmente fornecidas no final das pesquisas. Os clientes geralmente revelam lá seus verdadeiros pensamentos e sentimentos. O conteúdo desses comentários costuma oferecer um indicador muito mais confiável do comportamento de um cliente. No entanto, eles são frequentemente ignorados ou só são usados depois que as pontuações são calculadas.
A boa notícia é que a maioria das empresas tem nas mãos o poder de corrigir esse descuido com relativa rapidez. Basta empregar uma abordagem orientada por inteligência artificial.
Uma escuta inteligente
É fácil ver por que as pesquisas quantitativas se tornaram populares: elas são uma forma de perguntar a um grande número de clientes como eles se sentem. Abordagens qualitativas, como grupos focais ou leitura e análise manual do feedback do cliente, eram muito trabalhosas para escalar.
Mas agora a IA virou a mesa, e as táticas precisam ser atualizadas.
A primeira e mais significativa mudança que as empresas devem fazer é mudar onde estão investindo em sua análise dos sentimentos do cliente. Em vez de começar pelos dados quantitativos, devem usar os comentários qualitativos e só depois passar para os resultados de suas pesquisas quantitativas. Se tiverem as ferramentas certas, ou seja, turbinadas por IA para analisar os dados qualitativos, as empresas podem até considerar abandonar completamente as pesquisas quantitativas.
O estudo da HBR apresentou um modelo possível em que empregou uma estrutura focada no cliente para extrair e mapear palavras-chave que representam a experiência do cliente (CX) para as seguintes dimensões:
Recursos (por exemplo, conhecimento, sistema, produto, habilidades etc.);
Atividades (por exemplo, consertos, pedidos, entrega de serviços etc.);
Contexto ou situações afetam a experiência (por exemplo, fim de semana);
Interações (por exemplo, ligar, conversar etc.);
Papel do cliente (por exemplo, fornecer sugestões ou ser neutro).
Em seguida, identificou as emoções do cliente (alegria, amor, tristeza, raiva e surpresa) e as respostas cognitivas (elogios, reclamações e sugestões) nos pontos de contato.
Por exemplo, um cliente havia dado uma pontuação de 10 em 10 possíveis no CSAT. No entanto, ele também fez o seguinte comentário: “A única coisa com a qual fiquei um pouco decepcionado foi com relação aos consertos. Parece que toda vez que eles vêm a conta do serviço fica em mais de US$ 1.000. Os técnicos parecem estar se esforçando para diagnosticar o problema e sempre parece ser mais caro.” Foi aplicada a abordagem de processamento de linguagem natural (NLP) baseada em linguística para extrair e mapear palavras-chave nesse comentário. Por exemplo, “consertos” foi associado com “pontos de contato”, “técnicos” foi mapeado em recursos, “diagnosticar o problema” foi classificado como atividades, “um pouco decepcionado” foi considerado uma emoção de tristeza e termos como “mais de US$ 1.000”, “com dificuldades”, “mais caro” foram classificados como reclamações.
Por fim, a IA gera e converte os principais recursos em variáveis preditivas que podem treinar o modelo para prever se os clientes estão satisfeitos, neutros ou têm uma reclamação, sem usar pontuações de pesquisa quantitativa.
De qualquer forma, no exemplo acima, eu posso fazer meu próprio comentário: “10?! Nem perto disso!”.
E a fidelidade do cliente, onde entra nisso?
Os algoritmos de IA podem capturar o vocabulário especializado usado pelos clientes e combinar suas opiniões expressas em suas próprias palavras com escalas de classificação tradicionais para obter insights profundos. Esses insights podem moldar diretamente as ações de curto e longo prazo para reter clientes.
Agora some a isso o fato de os algoritmos de IA poderem combinar grandes quantidades de dados para aprender com padrões e recursos analisados. Com esses dados, é possível melhorar o desempenho das estratégias projetadas para melhorar a fidelidade do cliente. Algumas delas incluem:
– Análise de grandes conjuntos de dados para prever hábitos e tendências de gastos do consumidor.
– Aprimoramento da experiência do cliente em cada etapa da jornada do cliente por meio da personalização.
– Equipamento das equipes de atendimento ao cliente para resolver dúvidas sem a necessidade de intervenção humana.
A questão da personalização – crucial para a eficiência dos programas de fidelidade -, por meio de um estudo da Propello Cloud, levantou alguns dados muito interessantes:
– 80% dos compradores online preferem marcas que oferecem experiências digitais personalizadas.
– 71% dos clientes esperam que as empresas respondam e interajam com eles em tempo real. Claro, isso é possível com ferramentas de IA, como chatbots e VAs.
Como consequência…
– 62% dos clientes estão dispostos a se envolver com IA para uma experiência personalizada aprimorada.
– 43% dos consumidores acreditam que as empresas que usam IA são mais cuidadosas ao lidar com suas informações pessoais.
Além disso, o mesmo estudo descobriu que…
– Os aperfeiçoamentos do atendimento possibilitados pela IA demonstraram aumentar a retenção de clientes em 51%.
IA + CX = mais fidelidade do cliente
O estudo da HBR foi realizado com dados longitudinais de experiência do cliente coletados por quatro provedores de serviços multinacionais – um conjunto de aproximadamente 30 mil comentários.
Essas empresas pedem aos clientes que avaliem seus serviços usando as métricas tradicionais de CSAT e NPS e façam uma pergunta final aberta.
Embora os dados que o estudo usou tenham vindo especificamente dessas perguntas da pesquisa, os dados de qualquer tipo de fonte qualitativa funcionam. O estudo descobriu que a IA pode transformar a maneira como as empresas pensam e avaliam a experiência do cliente, mas seis benefícios em particular se destacaram.
1. A IA pode mostrar o que você está perdendo.
As empresas muitas vezes julgam mal o que seus clientes realmente querem. O estudo descobriu que os pontos de contato com os quais os clientes realmente se importam podem não ser os que as empresas esperam. É importante ressaltar que essa abordagem qualitativa orientada por IA pode mostrar o que está faltando e, portanto, como corrigi-lo.
Por exemplo, uma empresa do estudo da HBR estava focada apenas em pontos de contato de vendas, peças, serviço de campo e oficina, mas os clientes geralmente consideravam os pontos de contato de financiamento de crédito e faturamento mais críticos em sua interação com a empresa. Como resultado desse insight, a empresa pôde redirecionar seus recursos.
Outra abordagem nessa direção é mais proativa. O site de e-commerce inglês ASOS lançou um novo aplicativo no qual o cliente pode enviar uma foto de sua celebridade favorita vestindo algo de que gosta. O app escaneia seu enorme banco de dados de roupas e encontra algo semelhante, mas mais acessível.
Resultado: 48% mais análises de produtos, 75% mais intenção de fazer uma visita de retorno e 9% a mais no valor dos pedidos.
2. Treine seus funcionários com base no que é realmente importante para os clientes.
Compreender como seus clientes trabalham com sua empresa permite que você crie um programa de treinamento personalizado para educar os funcionários sobre como ter mais empatia com os clientes, se preocupar com seus problemas e interagir com eles de forma integrada.
Por exemplo, o modelo destacou que os funcionários de uma empresa muitas vezes eram inflexíveis e mostravam pouco cuidado quando confrontados com as reclamações dos clientes. Com base nessa percepção, a empresa treinou funcionários em workshops de experiência do cliente para transmitir mensagens importantes sobre atendimento ao cliente, empatia com o cliente, estratégias de recuperação de serviço (o que fazer quando as coisas dão errado) e ações corretivas. Na sequência dessas ações de experiência do cliente, as empresas observaram um aumento na satisfação do cliente e uma melhoria na retenção.
Exemplo concreto: a Rhythm Energy, uma empresa de energia renovável, usa bots para responder mais rapidamente aos clientes, conseguindo atender 46% mais chamadas, e reduzindo em 50% a necessidade de transferência para as equipes de suporte.
3. Determinar as causas-raiz
Para corrigir um problema, você precisa entendê-lo. Quando se trata da experiência do cliente, as empresas podem usar insights produzidos por IA para coletar não apenas onde há problemas, mas também o que os está causando.
Em um caso, a comunicação foi um grande problema. Os insights obtidos foram usados para corrigir relacionamentos com clientes que foram identificados como propensos a irem para a concorrência. A empresa empreendeu ações decisivas. Os primeiros gerentes de contas começaram a acompanhar esses clientes identificados para realmente saber quais eram suas preocupações. Em seguida, a empresa convidou os principais clientes para um evento corporativo para discutir em reuniões individuais os motivos das falhas no serviço.
4. Capture as respostas emocionais e cognitivas dos clientes em tempo real
As empresas devem capturar como os clientes se sentem em relação ao serviço por meio de emoções distintas – alegria, amor, surpresa, raiva, tristeza e medo – e extrair respostas cognitivas, conceituadas por meio de avaliações do cliente (por exemplo, reclamações, elogios e sugestões) em tempo real. É importante capturar o feedback em tempo real, pois as respostas emocionais e cognitivas podem se dissipar com o tempo, e os detalhes da interação provavelmente serão esquecidos. A análise de IA permite que as empresas repensem seu atual programa de medição da experiência do cliente.
Por exemplo, uma das empresas estudadas está testando três pontos de contato críticos e mecanismos de feedback integrados em cada um deles para analisar dados em tempo real usando o modelo de IA.
Outro exemplo é o da Sephora. A marca de beleza está usando a abordagem chamada Conversational AI para perceber o sentimento do cliente em tempo real e assim entregar a melhor experiência de varejo possível, 24/7.
5. Descubra e evite a queda nas vendas
As empresas podem segmentar clientes com base em seu valor monetário usando o NPS com respostas emocionais dos clientes detectando vendas decrescentes.
Em uma das empresas do caso, foram identificados clientes que, apesar de apresentarem altas pontuações de CSAT ou NPS, corriam o risco de irem para a concorrência devido a problemas históricos. Se esses “clientes satisfeitos” fossem embora, provavelmente custariam aproximadamente US$ 6 milhões em vendas perdidas. Essa percepção pode alertar as empresas sobre qualquer queda nas vendas e ajudá-las a reduzir os custos associados à perda de clientes e à aquisição de novos clientes.
Detectar quando um cliente caiu para uma pontuação de categoria mais baixa permitiu que a empresa interferisse para evitar a perda desse cliente.
6. Priorizar ações para melhorar a experiência do cliente
Por fim, as empresas podem usar esses insights para diagnosticar os fatores subjacentes que causam problemas para os clientes e, então, priorizar quais causas precisam de atenção. Isso permite que os gerentes parem de fazer certas ações (reclamações), comecem a fazer novas ações (sugestões) e continuem fazendo ações (elogios).
Esse processo pode ser codificado e automatizado para que as empresas possam ver, em tempo real, o desempenho de áreas específicas, detalhar e intervir em quaisquer problemas emergentes.
A análise também oferece aos funcionários uma visão de toda a jornada, permitindo que os funcionários de toda a organização tenham a mesma visão do cliente, para que, se surgirem problemas, todos os funcionários da linha de frente possam ver o que aconteceu e agir de acordo.
Conclusão
Ao implementar um modelo orientado por IA, as empresas podem monitorar a experiência do cliente em tempo real e gerar insights que permitiriam aos provedores de serviços fornecer uma experiência perfeita ao cliente e intervir em tempo hábil para uma recuperação eficaz do serviço. Assim, as organizações podem usar os dados decorrentes não apenas de seus próprios pontos de contato, mas também de pontos de contato externos nos canais digitais, físicos e sociais com os principais objetivos de adotar a experiência do cliente de forma contínua e proativa para reter e fidelizar clientes, e obter crescimento de longo prazo.
Em nosso próximo artigo, vamos apresentar sete maneiras de como a IA pode incentivar a fidelidade do consumidor. Mas você não precisa esperar até lá.
Qualquer dúvida, envie-a por e-mail para elcio@aodigital.com.br. Terei a maior satisfação em atender você.