O que um episódio de Black Mirror pode nos ensinar sobre CX e NPS? Vamos nos aprofundar na natureza preocupante de minimizar a gama de emo??es do cliente em uma métrica básica.
Se você n?o é f? de ou ainda n?o se sentiu motivado a pagar por uma assinatura da Netflix, por favor, tenha paciência comigo, especialmente se você se interessa por gest?o de feedback do cliente.
O episódio que mais me marcou foi , e, em particular, uma das subtramas: “Monkey loves you”. Ele apresenta um cenário inquietante em que a consciência da falecida esposa do protagonista é transferida para um macaco mec?nico parecido com um ursinho de pelúcia, por meio do qual ela só consegue se expressar usando duas frases básicas: “Monkey loves you” ou “Monkey needs a hug”.
Por meio desse conceito, o episódio explora como as express?es humanas s?o limitadas e distorcidas pela tecnologia, reduzindo a conex?o humana a algo mec?nico e desprovido de qualquer profundidade real.?
A inten??o desse episódio certamente n?o era abordar como coletamos e analisamos o feedback de pesquisas, mas ele me fez pensar: até que ponto estamos reduzindo as experiências de nossos clientes em nossas análises?
A armadilha do NPS, o ponto cego do promotor e outras armadilhas da análise de pesquisas
O Net Promoter Score é uma referência padr?o usada por empresas do mundo todo, o que o torna uma boa maneira de as empresas avaliarem seu desempenho em compara??o com os concorrentes. No entanto, a desvantagem dessa simplifica??o excessiva é que ela cria uma vis?o de túnel, também conhecida como . Essencialmente, ela nos alerta sobre os perigos de simplificar demais o complexo cenário das experiências do cliente.
Com muita frequência, a análise da pesquisa se concentra apenas no feedback dos detratores, ignorando as sutis frustra??es ocultas em métricas que, de outra forma, seriam positivas. Isso pode levar ao que podemos chamar de ponto cego do promotor, em que insights valiosos de clientes fiéis passam despercebidos simplesmente porque suas pontua??es s?o altas. Muitas vezes, esses clientes ainda descrevem atritos, decep??es ou oportunidades perdidas, mas suas vozes n?o recebem a mesma aten??o.?
? importante reconhecer que a insatisfa??o nem sempre está associada a uma nota baixa, e que a lealdade n?o significa ficar calado sobre o que precisa ser melhorado.
Enfrentamos desafios semelhantes com os dados do nosso centro de atendimento. As pesquisas pós-atendimento costumam ser nossa principal fonte de informa??es sobre a experiência do cliente: índices de satisfa??o do cliente (CSAT), taxas de resolu??o ou até mesmo comentários abertos. Mas todos esses dados surgem depois que o momento já passou. Eles oferecem apenas uma vis?o parcial do que realmente aconteceu e ainda menos informa??es sobre o motivo.
O que tendemos a ignorar é a parte mais humana do atendimento ao cliente: a conversa em si. Os centros de contato n?o s?o apenas opera??es de suporte. Eles est?o repletos de perguntas em tempo real, confus?o, frustra??o, necessidades e momentos importantes. Mas com que frequência nós realmente ouvimos? Um cliente pode dar uma pontua??o positiva na pesquisa porque o agente foi gentil, enquanto o problema real que causou a chamada está enterrado nas palavras da conversa, n?o na caixa da pesquisa.
Como ouvir os clientes mais profundamente
Agora que exploramos alguns dos pontos cegos e das limita??es inerentes à análise de dados da experiência do cliente quando nos concentramos apenas nas métricas, vamos nos aprofundar em como podemos superar esses desafios com a Análise de Texto.?
O Text Analytics ajuda a estruturar e priorizar seus dados n?o estruturados, as próprias conversas ou os comentários abertos em pesquisas, pois eles contêm os insights mais ricos além das métricas tradicionais, permitindo-nos realmente ouvir o que o cliente expressou.?
罢ó辫颈肠辞蝉?
Vamos come?ar com o básico: os tópicos que você aplica aos seus dados n?o estruturados. Um tópico é essencialmente um conjunto de combina??es de palavras-chave, projetado para capturar comentários específicos no feedback do cliente. Por exemplo, um tópico pode sinalizar frases como "a pessoa que me ajudou estava impaciente comigo". Essa abordagem permite que você organize o texto n?o estruturado em categorias significativas que chamamos de Tópicos.
A base de uma análise de texto eficaz está na cria??o de uma lista de tópicos que reflita suas principais opera??es comerciais. Os tópicos específicos do setor ajudam a garantir que os insights coletados sejam relevantes e acionáveis no contexto de seus produtos, servi?os e jornadas de clientes.
Quando uma lista de tópicos adequada estiver pronta, o objetivo n?o é que você ainda possa lê-la comentário por comentário. Em vez disso, nós a organizamos de modo a ajudá-lo a identificar rapidamente quais tópicos requerem sua aten??o. Destacamos os volumes de tópicos, as médias de NPS e as métricas baseadas no sentimento (que abordaremos mais adiante).
Além desses tópicos essenciais específicos do setor, os tópicos com um ?ngulo exclusivo para os dados oferecem uma camada adicional de insight. Por exemplo, nossos tópicos sobre emo??es, tópicos sobre crises mentais e tópicos sobre sugest?es de clientes. Esses tópicos exclusivos podem ajudá-lo tremendamente a encontrar camadas valiosas em seus tópicos existentes. Deixe-me explicar como!
Tópico Co-ocorrência
O módulo Topic Co-occurrence do 糖心原创 Text Analytics ajuda a revelar como diferentes tópicos ou problemas aparecem juntos no feedback do cliente. Em vez de analisar os tópicos isoladamente, essa ferramenta identifica padr?es em que dois ou mais tópicos aparecem no mesmo trecho de feedback, seja no comentário completo ou até mesmo na mesma frase. Esse nível de detalhe ajuda a descobrir conex?es que podem n?o ser óbvias por meio da análise padr?o de tópicos.
Por exemplo, a combina??o de sua lista de tópicos principais e específicos do setor com tópicos de sinais emocionais permite que você veja quais problemas comuns, como configura??o do produto, faturamento ou suporte do agente, est?o frequentemente associados a fortes respostas emocionais. Seu tópico "Billing Ease of Understanding" (Facilidade de compreens?o do faturamento) pode ocorrer frequentemente em conjunto com o tópico de emo??o "Anxiety" (Ansiedade). Você também pode filtrar a coocorrência por sentimento ou até mesmo por locutor (agente vs. cliente) ao analisar dados de conversas. Isso permite que você identifique se um problema específico está sendo levantado pelo cliente, abordado pelo agente ou ambos, ao analisar as conversas do seu contact center.
Esse tipo de insight em camadas é fundamental para identificar as causas básicas, rastrear problemas emergentes e entender como as diferentes experiências afetam a percep??o geral do cliente. Usando a co-ocorrência de tópicos, as empresas podem fazer melhorias mais direcionadas e informadas nos produtos, servi?os e comunica??o.
Análise de sentimento?
Outra camada de como os dados n?o estruturados podem ser desvendados é usando o modelo de sentimento no nível do tópico.
O mecanismo de sentimento da 糖心原创avalia o tom de cada frase no feedback, seja de comentários de pesquisas, bate-papos ou discursos transcritos, e os classifica de fortemente negativos a fortemente positivos, com categorias intermediárias.
Nos relatórios do Text Analytics, esse sentimento em nível de frase é acumulado para mostrar o desempenho de cada tópico em um nível de sentimento. Por exemplo, você pode descobrir rapidamente que o tópico "Encontrar produtos on-line" tem uma porcentagem negativa de 60%.?
Mas o sentimento faz mais do que destacar experiências negativas. Ele desempenha um papel fundamental para ajudar você a definir prioridades. Uma métrica importante é o Net Sentiment Score (NSS), que é simplesmente a porcentagem de sentimentos positivos menos a porcentagem de sentimentos negativos. Essa pontua??o ajuda você a entender rapidamente se um tópico é mais positivo ou negativo.
O NSS é uma métrica extremamente valiosa e fácil de usar, mas n?o leva em conta a frequência com que um tópico é abordado. Para ajudá-lo a priorizar, especialmente ao comparar um tópico altamente negativo com milhares de comentários com um com apenas alguns, usamos a pontua??o de impacto do NSS. Essa métrica combina a pontua??o de sentimento com o volume desse tópico específico para calcular sua influência geral em sua pontua??o de sentimento líquido. Em resumo, ela informa a intensidade com que um tópico está aumentando ou diminuindo o sentimento do cliente, para que você possa se concentrar nas quest?es mais importantes.
Além do NPS?
Assim como a frase "O macaco te ama " ou "O macaco precisa de um abra?o" em Black Mirror representa uma express?o limitada do sentimento humano, devemos garantir que nossa análise do feedback do cliente n?o caia na mesma armadilha.?
N?o é suficiente apenas entender que um cliente "nos ama". Precisamos nos aprofundar para entender por que eles se sentem assim. Usando a análise de análise de texto múltiplo, obtemos um quadro mais rico e completo de nossos pontos fortes e das áreas em que podemos melhorar.?
O mundo da análise de texto é incrivelmente rico, oferecendo inúmeras maneiras de ouvir mais profundamente e de forma mais significativa. Com os novos recursos de IA, como sumariza??o e detec??o de temas, temos mais ferramentas do que nunca para ir além do sentimento e descobrir as histórias reais por trás das pontua??es.?
Mas o que importa, no fim das contas, é que n?o se trata apenas de ouvir que o Monkey te ama; trata-se de aprender como fazer com que esse amor continue crescendo e evoluindo.
Psst… você já percebeu que as taxas de resposta às pesquisas est?o caindo rapidamente? Aqui está o nosso guia sobre como lidar com essa nova realidade.
