Como a IA pode ajudar a corrigir falhas operacionais, eventualmente, omitidas nos resultados de pesquisas quantitativas de CSAT e NPS

ia pesquisas quantitativas csat e nps

A primeira e mais significativa mudança que as empresas devem fazer é inverter onde estão investindo em sua análise dos sentimentos dos clientes. Elas devem começar com os comentários qualitativos, e depois recorrer aos resultados de suas pesquisas quantitativas.

Resumo

Os métodos mais comuns de rastrear os sentimentos dos clientes têm um grande ponto cego: eles não conseguem captar respostas emocionais importantes. Como resultado, pesquisas qualitativas, como o Net Promoter Score, acabam perdendo feedback criticamente importante. Mesmo que forneçam uma pontuação positiva, os clientes frequentemente revelam seus verdadeiros pensamentos e sentimentos nas caixas de comentários abertos, normalmente fornecidas no final das pesquisas, e a IA pode ajudar as empresas a fazer uso desses dados valiosos para melhor prever o comportamento do cliente. Especificamente, há seis benefícios em adotar a IA para analisar este feedback: 1) mostrar o que está faltando em suas pesquisas qualitativas; 2) ajudar a treinar seus funcionários com base no que é realmente importante para os clientes; 3) determinar as causas dos problemas; 4) capturar as respostas dos clientes em tempo real; 5) detectar e evitar quedas nas vendas; e 6) priorizar ações para melhorar a Experiência do Cliente.

Para ter sucesso, as empresas precisam entender o que seus clientes estão pensando e sentindo. As empresas gastam enormes quantidades de tempo e dinheiro em esforços para conhecer melhor seus clientes.

Apesar deste forte investimento, a maioria das empresas não é muito boa em ouvir os clientes. Mas, não é por falta de tentativas – as ferramentas que estão usando e o que estão tentando medir podem simplesmente não estar à altura da tarefa.

Nossa pesquisa mostra que as duas métricas mais utilizadas, o Customer Satisfaction Score (CSAT) e o Net Promoter Score (NPS), falham em dizer às empresas o que os clientes realmente pensam e sentem, e podem até mesmo mascarar problemas sérios.

Durante anos, as pesquisas quantitativas têm sido o padrão do setor. Elas fazem uma única pergunta aos clientes: Em uma escala de 0 a 10, qual a probabilidade de você estar satisfeito com o produto ou serviço desta empresa? Ou qual a probabilidade de você recomendar este produto a um amigo ou colega?

Embora estas pesquisas sejam intensivas em recursos e os clientes as considerem cada vez mais intrusivas e estejam se tornando menos inclinados a participar, elas continuam sendo uma peça central da estratégia da empresa para compreender seus clientes.

O problema é que estas pesquisas não conseguem captar respostas emocionais importantes e, como resultado, acabam perdendo um feedback de importância crítica.

Em nossa pesquisa, descobrimos que os clientes muitas vezes pontuam as empresas altamente nas pesquisas, mesmo quando experimentam problemas significativos com seus produtos ou serviços – uma resposta de importância vital que lhes falta.

Ao mascarar a insatisfação significativa dos clientes, essas pesquisas podem fazer com que as empresas percam clientes sem saber por quê.

Há, no entanto, uma mina de ouro de bons dados se você souber onde procurar e como analisá-los. Os clientes frequentemente revelam seus verdadeiros pensamentos e sentimentos nas caixas de comentários em aberto, normalmente fornecidas no final das pesquisas.

Em geral, o conteúdo desses comentários oferece um preditor muito mais confiável do comportamento de um cliente. No entanto, estes são frequentemente ignorados e, se usados, são tipicamente usados depois que as pontuações são computadas.

A boa notícia é que a maioria das empresas tem o poder de corrigir esta omissão relativamente rápido. Desenvolvemos uma abordagem orientada por IA (Inteligência Artificial) que os profissionais podem usar como modelo para ajustar os processos de feedback de seus clientes de acordo.

Como a IA pode ajudar

É fácil ver porque as pesquisas quantitativas se tornaram populares: elas são uma maneira de perguntar a um grande número de clientes como eles se sentiram.

As abordagens qualitativas, como grupos de foco ou a leitura e análise manual do feedback dos clientes, eram muito trabalhosas para serem escaladas. Agora, a tecnologia mudou o que é possível, e as táticas precisam ser postas em dia.

A primeira e mais significativa mudança que as empresas devem fazer é inverter onde estão investindo em sua análise dos sentimentos dos clientes. Elas devem começar com os comentários qualitativos, e depois recorrer aos resultados de suas pesquisas quantitativas.

Se elas tiverem as ferramentas certas para analisar os dados qualitativos (por exemplo, sistemas de gerenciamento de relacionamento com o cliente, mídia social, revisões de clientes, e-mails, notas de call center, chatbots, etc.), as empresas poderiam até mesmo considerar a possibilidade de abandonar completamente as pesquisas quantitativas, pois estas possibilitam ouvir o que os clientes estão pensando e sentindo através de múltiplos pontos de contato em tempo real.

É aqui que os modelos e ferramentas de IA podem ajudar. As ferramentas de IA ainda não são amplamente adotadas por marqueteiros e gerentes de Experiência do Cliente, e as que estão disponíveis tendem a indicar apenas sentimentos positivos ou negativos.

Em nossa pesquisa, utilizamos uma estrutura focada no cliente para extrair e mapear palavras-chave representando a Experiência do Cliente (CX) para as seguintes dimensões: recursos (por exemplo, conhecimento, sistema, produto, habilidades, etc.); atividades (por exemplo, fixação, pedidos, prestação de serviços, etc.); contexto, ou situações que afetam a experiência (por exemplo, fim de semana); interações (por exemplo, ligar, conversar, etc.); e função do cliente (por exemplo, fornecer sugestões ou ser neutro). Em seguida, identificamos tanto as emoções do cliente (alegria, amor, tristeza, raiva e surpresa) quanto as respostas cognitivas (elogios, reclamações e sugestões) nos pontos de contato.

Por exemplo, um cliente deu 10 em cada 10 na pontuação CSAT. No entanto, eles também ofereceram o seguinte comentário: “A única coisa com que ficamos um pouco decepcionados foi com os reparos.

Parece que cada vez que eles saem é mais de 1.000 dólares em serviço. Os montadores parecem estar lutando para diagnosticar o problema e sempre parece ser mais caro”. Neste comentário, aplicamos a abordagem de Processamento de Linguagem Natural (NLP) baseada em linguística para extrair e mapear palavras-chave.

Por exemplo, “reparos” está associado a “pontos de contato”, “instaladores” é mapeado para recursos, “diagnosticar o problema” é classificado em atividades, “um pouco decepcionado” é considerado uma emoção de tristeza, e termos como “mais de $1.000”, “lutando”, “mais caro”, são categorizados em reclamações.

Finalmente, nossa IA gera e converte características-chave em variáveis preditivas que podem treinar o modelo para prever se os clientes estão satisfeitos, são neutros ou têm uma reclamação, sem utilizar pontuações quantitativas da pesquisa.

Os algoritmos de IA podem capturar vocabulário especializado utilizado pelos clientes e combinar suas opiniões expressas em suas próprias palavras com escalas de classificação tradicionais para obter percepções profundas. Essas percepções podem moldar diretamente as ações de curto e longo prazo para reter os clientes.

Testamos nossa ferramenta de IA em dados de experiência longitudinal do cliente coletados por quatro prestadores de serviços multinacionais – um conjunto de dados com cerca de 30.000 comentários.

Essas empresas pedem aos clientes que classifiquem seus serviços usando as métricas tradicionais do CSAT e NPS e abordem uma questão final em aberto. Enquanto os dados que utilizamos vieram especificamente destas perguntas da pesquisa, os dados de qualquer tipo de fonte qualitativa funcionariam. Aqui está o que aprendemos.

A primeira e mais significativa mudança que as empresas devem fazer é inverter onde estão investindo em sua análise dos sentimentos dos clientes. Elas devem começar com os comentários qualitativos, e depois recorrer aos resultados de suas pesquisas quantitativas.

Seis benefícios-chave do uso de IA

Em nossa pesquisa, descobrimos que a IA pode transformar a forma como as empresas pensam e medem a experiência do cliente, mas seis benefícios em particular se destacaram.

A IA pode lhe mostrar o que você está perdendo. As empresas frequentemente julgam mal o que seus clientes realmente querem. Descobrimos que os pontos de contato com os quais os clientes realmente se preocupam podem não ser os que as empresas esperam. É importante ressaltar que esta abordagem qualitativa orientada pela IA pode lhe mostrar o que você está perdendo e, portanto, como consertá-lo.

Por exemplo, uma empresa estava focada apenas em vendas, peças, serviço de campo e pontos de contato de oficina, mas os clientes geralmente consideravam o financiamento de crédito e os pontos de contato de faturamento como sendo mais críticos em sua interação com a empresa. Como resultado desta percepção, a empresa poderia redirecionar seus recursos.

Treine seus funcionários com base no que é realmente importante para os clientes. Entender como seus clientes trabalham com sua empresa permite construir um programa de treinamento personalizado para educar os funcionários sobre como ter mais empatia pelos clientes, cuidar de seus problemas e interagir com eles sem problemas.

Por exemplo, nosso modelo destacou que os funcionários de uma empresa eram frequentemente inflexíveis e demonstravam pouco cuidado quando confrontados com as reclamações dos clientes.

Com base nesta percepção, a empresa treinou os funcionários em workshops de Experiência do Cliente para entregar mensagens-chave sobre atendimento ao cliente, empatia com o cliente, estratégias de recuperação de serviços (o que fazer quando as coisas dão errado), e tomar ações corretivas. Ao seguir essas ações de Experiência do Cliente, as empresas viram um aumento na satisfação do cliente e uma melhoria na retenção.

Determinar as causas raiz. Para resolver um problema, é preciso entendê-lo. Quando se trata da Experiência do Cliente, as empresas podem usar insights produzidos pela IA para colher não apenas onde há problemas, mas também o que os está causando.

Em um caso, a comunicação foi um grande ponto de dor. Os conhecimentos adquiridos foram usados para reparar as relações com os clientes que foram identificados como sendo susceptíveis de apresentar defeitos.

A empresa empreendeu ações decisivas. Os primeiros gerentes de conta começaram a acompanhar esses clientes identificados para realmente conhecerem quais eram suas preocupações. Em seguida, a empresa convidou clientes-chave para um evento corporativo para discutir em reuniões individuais as razões das falhas de serviço.

Capturar as respostas emocionais e cognitivas dos clientes em tempo real. As empresas devem capturar o que os clientes sentem sobre o serviço através de emoções discretas – alegria, amor, surpresa, raiva, tristeza e medo – e extrair respostas cognitivas, conceituadas através de avaliações de clientes (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 programa atual de medição da Experiência do Cliente.

Por exemplo, uma das empresas com quem trabalhamos está pilotando três pontos de contato críticos e incorporou mecanismos de feedback em cada um deles para analisar os dados em tempo real usando nosso modelo de IA.

Detectar e evitar a diminuição das vendas. As empresas podem segmentar os clientes com base em seu valor monetário, usando NPS com as respostas emocionais dos clientes detectando a diminuição das vendas.

Em um dos casos de empresas, identificamos clientes que, apesar de darem altas pontuações CSAT ou NPS, estavam correndo risco de defeitos devido a problemas históricos.

Demonstramos à empresa que, se esses clientes chamados “satisfeitos” desertassem, provavelmente lhes custariam cerca de US$ 6 milhões em vendas perdidas.

Esta percepção poderia alertar as empresas para qualquer declínio nas vendas e ajudá-las a reduzir os custos associados à perda de clientes e à aquisição de novos clientes.

A observação de que quando um cliente pontua a empresa com uma nota inferior, permite com que a empresa interfera para evitar a perda desse cliente, priorizando ações para melhorar a experiência.

Finalmente, as empresas podem usar essas percepções para diagnosticar os fatores subjacentes que causam dor aos clientes e então priorizar quais são as causas que precisam de atenção.

Isto permite que os gerentes parem de fazer certas ações (reclamações), comecem a fazer novas ações (sugestões), e continuem a fazer ações (elogios).

Este processo pode ser codificado e automatizado, para que as empresas possam ver em tempo real como determinadas áreas estão se desempenhando, detalhar e intervir em quaisquer questões emergentes.

A análise também dá aos funcionários uma visão de toda a jornada, permitindo que funcionários de toda a organização tenham a mesma visão do cliente, de modo que, caso surjam problemas, todos os funcionários da linha de frente sejam capazes de ver o que aconteceu e agir em conformidade.

A Experiência do Cliente é agora a maior diferenciação entre os concorrentes. Como muitos clientes hoje usam serviços inteligentes e em tempo real e aplicativos amigáveis, as empresas podem cada vez mais reunir mais dados verbais em tempo real sobre as Jornadas dos Clientes em vez de confiar em formas simplificadas e únicas de medir a Experiência do Cliente.

Combinando estes insights a partir de comentários diretos dos clientes, com a análise das transações dos clientes e outras fontes, pode-se oferecer às empresas uma visão personalizada e em 360 graus da Experiência do Cliente.

Ao implementar um modelo orientado por IA como o descrito acima, as empresas podem monitorar a Experiência do Cliente em tempo real e gerar percepções que permitiriam aos prestadores de serviços fornecer uma experiência perfeita ao cliente e intervir de forma oportuna para uma recuperação eficaz do serviço.

Assim, as organizações podem usar dados provenientes não apenas de seus próprios pontos de contato, mas também de pontos de contato externos nos canais digitais, físicos e sociais, com os objetivos principais de adotar contínua e proativamente a Experiência do Cliente de forma a retê-los, alcançando a lealdade e o crescimento a longo prazo.

Autores: Mohamed Zaki, Janet R. McColl-Kennedy, and Andy Neely
Fonte: Harvard Business Review
Tradução e adaptação por ROX CX

Sua empresa enfrenta desafios parecidos com o que você viu no artigo? Que tal bater um papo sem compromisso com um(a) consultor(a) da ROX CX? Preencha o formulário abaixo que nós entraremos em contato com você!





Escreva de forma sucinta qual é o maior desafio da sua empresa no campo de Data & Analytics:

banner estudo de caso starbucks

Let's talk




Quais são as soluções de seu interesse?

Como prefere que façamos contato com você?