inova.jor

inova.jor

Inteligência artificial traz sentimentos e emoções ao atendimento

Modelo MTCF define ordem de atendimento de acordo com sentimentos e emoções dos clientes / Divulgação
Modelo MTCF define ordem de atendimento de acordo com sentimentos e emoções dos clientes / Divulgação

Imagine que a área de atendimento ao cliente da sua empresa recebe, logo pela manhã, três queixas sobre produto ou serviço pelo canal de reclamações. Nesse momento em que a companhia está exposta, como priorizar os atendimentos?

A resposta comumente adotada é a abordagem padrão First In First Out (Fifo), em que cada insatisfação é tratada conforme a ordem de chegada.

Apesar de não ser necessariamente a abordagem ideal, acaba sendo a mais adotada pela maioria das empresas.

Ocorre que, como esse processo tem sido assim por muito tempo, ignoramos algo importante que o cliente nos provê a cada interação: seu sentimento e emoção em relação à nossa empresa e àquela situação em particular.

Com o advento das tecnologias de inteligência artificial, iniciaremos uma nova era no processo de atendimento aos clientes.

Frustração e raiva

Fernando Baldin, do Grupo Quality / Divulgação
Fernando Baldin, do Grupo Quality / Divulgação

Imagine que, no lugar do Fifo, adotássemos o modelo Most Troubled Customer First (MTCF), em que a ordem de tratamento das reclamações se daria de acordo com o grau de sentimento e emoções de cada cliente.

Dessa maneira, seria possível focar em retomar a qualidade para aqueles clientes que demonstram estar mais frustrados ou com raiva de sua marca.

Traríamos ao processo de atendimento sentimentos e emoções, o que poderá garantir uma mudança radical nesse atendimento. Imagine definir estratégias com base em sentimentos.

Poderemos evitar que o prazo de atendimento de um cliente que esteja calmo seja o mesmo de um cliente que demonstra sinais de raiva, pois a raiva é o que leva a posts mais furiosos nas redes sociais, enquanto a calma permite que tenhamos mais tempo para contornar uma situação.

Como fazer isso?

Para atingir esse modelo de operação basta inserirmos no nosso processo de atendimento a adoção de interface de programação de aplicação (API, na sigla em inglês) de inteligência artificial, voltada para compreensão de linguagem natural Natural Language Understanding (NLU, na sigla em inglês).

Essa função permite que uma frase escrita pelo consumidor ou transcrita de uma ligação gere uma série de dados que podem influenciar como o processo de atendimento será gerido.

Os atributos que podemos incorporar no atendimento são:

  • Sentimento: gera um score que vai de -100 até +100 e também coloca se o sentimento é positivo ou negativo, quanto mais positivo melhor.
  • Emoções: apresenta o percentual em que as emoções estão presentes no texto. Cada interação pode trazer o percentual de raiva, alegria, desgosto, frustração etc.
  • Palavras-Chaves: busca as palavras no texto para entender itens-chave, o que permite organizar dados desestruturados do cliente num modelo para agrupar os itens mais relevantes, sem necessidade de classificar as demandas posteriormente num sistema.
  • Classificação: permite criar, de forma automática, um tipo de classificação que advém dos dados e não somente da estrutura de um catálogo de serviço. Além disso, esse recurso pode ser criado com base no histórico da base de atendimentos.

Visão qualitativa

O que antes era uma simples descrição do atendimento do cliente passa a gerar uma série de informações que podem mudar totalmente o processo de atendimento.

Assim, construiremos uma estrutura muito mais alinhada com o momento e gravidade que o cliente necessita. Acredito que entender a emoção como parte do processo do atendimento será um grande avanço em como as empresas irão se estruturar daqui em diante.

Imagine que, a partir de agora, além de uma visão quantitativa dos atendimentos, é possível ter uma visão qualitativa sobre como o cliente percebe sua empresa, com sentimento, emoções e palavras-chaves.

Um mundo novo nos espera.

Comentários

comentários

Publicações relacionadas

Campinas usa reconhecimento facial no transporte público / Gui Leite/Creative Commons

Que benefícios a cidade digital traz aos cidadãos

A tecnologia é uma grande aliada das pessoas – tanto na esfera profissional quanto profissional – e, por esse motivo, está totalmente presente no dia a dia das empresas. Com as cidades não é diferente. Existem diversas soluções que podem ser implementadas para oferecer bem-estar aos cidadãos. E não importa[…]

Leia mais »
O Brooklyn Nets melhorou seus resultados com ferramentas de análise de dados / David Jones/Creative Commons

Como o big data pode criar atletas do futuro no presente

Não faz muito tempo que a Infor fez uma parceria com o Brooklyn Nets com foco em análise de dados e gestão de ativos (EAM, em inglês). A marca estampou seu logo na camisa do time da NBA e a parceria foi noticiada por diversos veículos de comunicação ao redor[…]

Leia mais »

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Bitnami