Publicidade
É legítima a preocupação em justificar os investimentos na tecnologia utilizada para o autoatendimento, garantindo o retorno ou a economia gerada para o negócio. No entanto, não existe uma regra padrão e, sim, alguns indicadores que mostram os resultados destas soluções baseadas em abordagens de Inteligência Artificial.
É legítima a preocupação em justificar os investimentos na tecnologia utilizada para o autoatendimento, garantindo o retorno ou a economia gerada para o negócio. No entanto, não existe uma regra padrão e, sim, alguns indicadores que mostram os resultados destas soluções baseadas em abordagens de Inteligência Artificial.
Frequentemente, somos questionados por clientes em potencial sobre a referência para o ROI com autosserviços. Esta é uma questão legítima, pois as organizações precisam justificar as despesas e garantir que todos os investimentos tragam um retorno positivo para o negócio.
Mesmo que não haja um benchmark padrão para autoatendimento devido à grandes diferenças em qualidade e tipos de soluções, trago algumas indicações dos resultados que sua empresa pode esperar de forma realista.
Mas, primeiro, o que é o autoatendimento do cliente?
O autoatendimento é uma solução ou um conjunto de soluções que permite ao usuário acessar informações ou até mesmo realizar algumas tarefas simples, de forma autônoma, sem a necessidade de assistência de um representante humano para atendê-lo.
Quais são os tipos de consultas ou tarefas que podem ser tratadas ou executadas pelo autoatendimento do cliente?
Rastrear um pedido, solicitar um orçamento ou pagar uma conta online sem entrar em contato com uma funcionário para obter ajuda são exemplos de tarefas automatizadas que podem ser realizadas regularmente.
Em termos de consultas de clientes, nem todas podem ser tratadas por inteligência artificial, pois alguns problemas complexos ainda exigem a intervenção humana. No entanto, as soluções automáticas são muito eficientes no resultado de pesquisas repetitivas de nível 1, pois representam em média de 80% das perguntas recebidas pelos agentes de atendimento ao cliente e ocupam grande parte do seu tempo, podendo ser facilmente robotizadas.
Quais métricas para medir KPIs de autoatendimento?
Cada organização deve descobrir os melhores parâmetros a serem utilizados ao tentar medir o desempenho das ferramentas de autoatendimento. No entanto, existem algumas métricas principais que uma empresa deve monitorar regularmente.
Taxa de desvio de atendimentos
“Desvio de atendimentos” refere-se ao encaminhamento da consulta de um cliente para um canal de serviço automatizado, como chatbots, perguntas frequentes, fóruns da comunidade ou bancos de dados de Centrais de ajuda. O objetivo é garantir que os clientes recebam as respostas que procuram da maneira mais eficiente e reduzir o número de solicitações encaminhadas para os agentes humanos.
Medir a taxa de desvios pode ser complicado, pois estamos tentando medir o que não aconteceu. De acordo com a DB Kay & Associates, um método é estimar a porcentagem de usuários que obtiveram sucesso com o autoatendimento e a porcentagem de usuários que teriam contatado um atendente. A diferença entre essas duas porcentagens representa a taxa de deflexão.
Satisfação do cliente
A implementação de canais de autoatendimento é um projeto estimulante para qualquer organização, pois visa melhorar a experiência do usuário. Porém, se ele não estiver satisfeito com as ferramentas que sua empresa coloca à disposição, ou achar que são muito difíceis de usar ou ineficientes, sua estratégia não pode ser considerada um sucesso. A satisfação do cliente deve ser rastreada para cada canal de atendimento, por meio de pesquisas, feedback direto e Net Promoter Score (NPS) para entender claramente quais processos são mais bem-sucedidos e quais precisam ser melhorados.
Taxa de sucesso de autoatendimento
Uma maneira fácil de determinar o sucesso do autoatendimento pode ser rastrear quantas consultas são tratadas por canais automatizados sem serem encaminhadas a um agente humano. Pode ser, por exemplo, a porcentagem de vezes que uma pergunta frequente leva a um resultado, em vez de uma sessão de chat iniciada pelo usuário, ou a porcentagem de vezes que uma pesquisa na base de conhecimento leva a um artigo útil, indicada pela sua visualização ou classificação dos usuários como “isso resolveu meu problema”.
Como calcular o potencial do autoatendimento
Vamos começar definindo a porcentagem de problemas que podem ser resolvidos pelos próprios clientes usando canais de autoatendimento. Como afirmado antes, nem todas as consultas podem ser tratadas por ferramentas de inteligência artificial, pois as mais complexas exigirão intervenção humana. Observamos, ao longo dos anos, que esse percentual depende muito do caso de uso, da organização e até mesmo dos sistemas legados da empresa, mas geralmente 50% das consultas podem ser resolvidas automaticamente pelos usuários.
Desses 50%, precisamos quantificar quantos são redundantes ou repetitivos. Conforme mencionado, aproximadamente 80% das solicitações recebidas por agentes de atendimento se enquadram nessa categoria. Estes são os adequados para autoatendimento.
A aspiração máxima para o autosserviço seria o produto dessas duas porcentagens, ou seja, 0,5 x 0,8 = 0,4, então 40% seria a taxa máxima de autosserviço que pode ser esperada.
Finalmente, é preciso levar em consideração a eficiência da Inteligência Artificial que alimenta a sua ferramenta. Com a IA e o conteúdo certo, a solução de serviços automatizados poderia chegar a uma taxa de resposta de 80% para essas consultas repetitivas. Como resultado, 32% (0,4 x 0,8 = 0,32) é uma boa meta para a proporção de autoatendimento.
Claro que essas são apenas indicações e os resultados podem variar muito dependendo do caso de uso, do setor ou do tipo de tecnologia que alimenta suas soluções de autosserviço, mas isso fornece uma boa base de comparação.
Por Cassiano Maschio – diretor de vendas e marketing da Inbenta Brasil, empresa especializada em relacionamento com o cliente online por meio de Inteligência Artificial.
Desenvolvido por: Leonardo Nascimento & Giuliano Saito