A importância de métricas na automação do atendimento
Não é segredo pra ninguém que vivemos numa sociedade cada vez mais acelerada e com as novas gerações cada vez mais querendo tudo pra ontem, não é mesmo? Nesse cenário, as empresas precisam se adaptar para fornecer respostas rápidas na comunicação, mantendo a assertividade e a satisfação do cliente durante o atendimento.
A automação do atendimento nada mais é do que uma forma de permitir que o cliente se comunique diretamente com a empresa sem precisar esperar que uma pessoa esteja do outro lado, podendo tirar suas dúvidas ou resolver seu problema sozinho e de forma muito mais rápida.
Essa solução se dá através do uso de assistente virtual, ferramentas de comunicação com robôs, que podem ou não fazer uso de inteligência artificial para linguagem natural, análise de sentimentos, comunicação por voz, ou diversos outros recursos.
Entretanto, criar um atendimento dessa forma não é uma tarefa finita. Não basta desenvolver seu robô, colocá-lo no ar e esquecer que ele existe. Se até mesmo para humanos, se relacionar com outros humanos é um trabalho de constante evolução, não é de se esperar que para um robô esse aprendizado também seja essencial?
Depois do atendente virtual ser lançado em produção, começam a surgir vários questionamentos: Quantas pessoas estão utilizando meu bot? O atendimento está sendo satisfatório? O robô está conseguindo responder tudo que as pessoas querem saber? Como está a confiança dessas interações? Meus usuários precisam esperar muito para ter uma resposta? Estamos atingindo o objetivo final?
Sem essas respostas, você estará mergulhando num oceano, às cegas e sem qualquer direção. Sem dados, não há como medir o resultado da solução e muito menos como aprimorá-la, ou seja, assistente virtual não é adivinhação, é informação.
Assista ao nosso IcaroCast:
Ansible: Infraestrutura como Código.
Contudo, como saber quais informações são essenciais para cada solução? Existem algumas métricas básicas que podem encaixar no seu atendimento automatizado:
Quantidade de Usuários e Mensagens:
- A primeira pergunta que todo mundo quer responder é quantas pessoas estão usando o bot e quantas mensagens estão sendo trocadas. Essa é uma informação básica que deve sempre estar disponível.
- Mas saber apenas o número de mensagens e usuários não diz nada se não tivermos uma métrica de referência. Qual o total de usuários que poderiam ser atingidos? Se seu objetivo é diminuir, por exemplo, a quantidade de chamados para atendentes humanos, qual o total de pessoas que eles atendem diariamente sem o bot? Quais os assuntos mais requisitados? E depois do bot?
- Com essas informações é possível não só mapear melhorias e acompanhar o crescimento, mas também contabilizar o ganho real que a solução trouxe para o negócio e realizar projeções dos ganhos futuros.
Retenção:
- Associada aos dados anteriores, é possível calcular o índice de retenção do seu atendente virtual. Ou seja, quantos usuários voltam a falar com ele depois da primeira vez? E se voltam, com qual frequência?
- Dependendo do objetivo do bot esse número pode ser mais ou menos significativo. Por exemplo, se a finalidade é tirar dúvidas técnicas de seus colaboradores / terceiros, eles deveriam falar com ele todos os dias? Se for uma FAQ para cliente final, com que frequência o mesmo usuário deveria buscar informação?
A resposta vai variar para cada negócio, podendo ser maior ou menor dependendo da solução.
Tempo de Resposta:
- Um atendimento baseado apenas em fluxos conversacionais tende a ser bastante rápido, mas se a solução for um bot que realiza ações, ou seja, chama vários serviços, dependendo dos serviços utilizados esse tempo pode se estender.
- Quanto tempo seu bot leva para responder a solicitação do usuário? Esse tempo é o mesmo para todas as ações que ele realiza? Se estiver demorando muito, é possível otimizar? Se não, esse tempo atende ou a funcionalidade se torna inútil na solução?
Tempo da Sessão:
Uma sessão se baseia em quantas mensagens são trocadas entre usuário e robô numa mesma conversa, quanto tempo leva essa conversa? E quantas mensagens são trocadas nela?
Essa informação pode ser útil por exemplo para avaliarmos se está muito difícil para o usuário chegar ao objetivo final (mais steps do que deveria) ou se o fluxo conversacional está atendendo a necessidade.
Satisfação:
Outro dado extremamente importante é qual o nível de satisfação do cliente ao falar com esse atendimento automático. O assistente virtual está atendendo a necessidade do usuário? Para medir essa métrica podemos pedir um feedback no fim do atendimento ou até mesmo possibilitar esse retorno para cada mensagem.
Também podemos mapear termos ofensivos, gatilhos críticos que signifiquem insatisfação. Reclamações, xingamentos, análise de tom, e com isso entendermos o que está atrapalhando essa satisfação e tomarmos as medidas necessárias para melhorá-la.
Confusão:
Completamente vinculada a satisfação, a métrica de confusão é basicamente a conta entre o que o robô entende em relação ao total de mensagens trocadas.
Geralmente sempre temos o clássico “Desculpe, não entendi…” que deve ser observado constantemente para melhoria de treinamento ou criação de novo conteúdo.
Esses são apenas alguns exemplos de dados importantíssimos para fazer seu robô atender às expectativas de seus usuários. Para defini-las é importante entender o objetivo final da solução (diminuir quantidade de atendimento humano? Aderir a algum produto / serviço?) e avaliar seus resultados constantemente.
A análise dos resultados deve ser feita por um time de UX Writer / Designer ou por uma equipe do que chamamos Curadores, que juntamente com os desenvolvedores podem aplicar as melhorias necessárias.
Leia Também:
Como implementar um modelo de automação de sucesso?
Os números precisam também ser reais, e não apenas métricas de vaidade. Ou seja, devem ser indicadores que realmente tenham significado para o negócio, que serão usados para melhoria, e não apenas números bonitos que orgulham os responsáveis pelo assistente.
Essas métricas tampouco devem ser consideradas uma meta que, quando não alcançada, representa um fracasso, mas sim um mapa de quais ações devem ser tomadas. Informação nesse caso, assim como em todos, é conhecimento.
Além disso, da mesma forma que o treinamento do bot é um processo de melhoria contínua, esses indicadores também podem ser revisados ao longo do tempo, avaliando se os dados estão ou não sendo relevantes para a solução e redefinindo-os de acordo com seus objetivos.
Sem a análise dos resultados e do processo de melhoria contínua, não é preciso ser nenhum vidente para saber que seu assistente virtual corre o risco de fracassar. Manter seu atendimento automatizado pode ser uma tarefa tão ou mais árdua do que construí-lo, mas a missão não é impossível e ter acesso aos insumos corretos com certeza será a chave para o sucesso.
