Bruno aqui 👋

.“Quanto dá para automatizar?” é uma pergunta que escuto em praticamente toda conversa sobre IA no atendimento. E faz sentido: suporte sempre vai existir. O que me chama a atenção é como ainda dedicamos pouco tempo a entender o contact rate e, principalmente, por que esses chamados existem em primeiro lugar.

Algumas coisas vão se repetindo nas reuniões comerciais aqui da Cloud Humans. Uma delas é o head de CX chegar com a dor de não conseguir gerar insights, mas a conversa rapidamente migrar para o tema de sempre: até onde dá para levar a automação.

Recentemente, conversamos com uma fintech com cerca de 70 mil atendimentos por mês, 60% já retidos pelo bot e um time de 150 pessoas. Analisamos volumes, canais, motivos de contato e chegamos a um potencial de mais 25 a 30% de automação. Uma discussão legítima, afinal, suporte sempre vai existir e torná-lo mais eficiente é fundamental.

Mas, quando comecei a perguntar sobre contact rate, quais motivos de contato mais cresciam e o que já tinham feito para evitar que esses chamados surgissem, as respostas foram bem menos elaboradas. Poucos dados, poucas hipóteses e quase nenhuma iniciativa concreta. O contraste me chamou a atenção: havia muita clareza sobre como atender melhor os 70 mil contatos, mas pouca sobre por que eles precisavam acontecer em primeiro lugar.

Quem só pergunta quanto dá pra automatizar já aceitou que todo contato que chega merecia chegar. Mas será?

Antes de continuar, escolhe um lado: se você tivesse que defender uma métrica só pro seu CFO no ano que vem, seria quanto do volume a IA retém ou quanto do volume deixou de existir? 

Medir quanto a IA consegue reter é importante. Mas não é isso que vai fazer sua empresa vencer no longo prazo.

Não foi por acaso que a retenção se tornou protagonista nas discussões sobre IA no atendimento. E há muito mérito nisso.

Medir retenção foi um avanço enorme para CX. Pela primeira vez, conseguimos traduzir o impacto da IA em números que o financeiro entende: quantos contatos entraram, quantos foram resolvidos sem intervenção humana e quanto isso economizou. Foi o que levou a discussão sobre IA para a planilha do CFO. Lá em abril, na edição Sua IA tá retendo tickets ou resolvendo problemas?, prometi um terceiro capítulo dessa conversa. É esse aqui.

Mas retenção mede a eficiência de quem atende, não a necessidade daquele atendimento. Uma IA que resolve perfeitamente a reclamação de um cupom que não funciona no checkout gera economia real e melhora a experiência naquele momento. Ótimo. Só que, se o cupom continuar quebrado, o cliente seguinte vai precisar entrar em contato pelo mesmo motivo.

Automatizar esse contato é eficiência. Evitar que ele aconteça é evolução do negócio.

E é aí que vejo a próxima grande oportunidade para CX. Quanto melhor a IA fica em resolver problemas, menor o custo de conviver com eles. No longo prazo, a vantagem competitiva não vai estar apenas em resolver cada vez mais contatos, mas em usar a inteligência desses contatos para eliminar as causas que os geram.

Isso tem nome há mais de 20 anos, e não foi a gente que batizou

Quem estudou isso primeiro foi o John Seddon, um consultor britânico que separou a demanda que chega num serviço em dois tipos. A demanda de valor é o contato que o cliente faria mesmo com tudo funcionando, porque quer comprar ou tem uma dúvida que nenhum processo bem feito evitaria. A demanda-falha é o contato que só existe porque a empresa falhou antes: não fez, fez errado ou não avisou.

O método dele é bem simples. Pega uma amostra de contatos, escuta um por um e pergunta só isso: se a empresa falhou em alguma coisa e se foi isso que fez o cliente chamar. Nas operações que ele e a consultoria dele analisaram, a demanda-falha ficava entre 25% e 75% do volume. Esse número vem do trabalho dele, não de um estudo independente, então eu uso aqui como ordem de grandeza e não como uma régua.

Na Amazon, o Bill Price, que foi o primeiro VP global de atendimento da empresa, levou a mesma ideia pra dentro com uma frase que virou mantra por lá, “the best service is no service”. Ele chamava esses contatos evitáveis de “dumb contacts”, contato burro, aquele que nem o cliente nem a empresa queriam que acontecesse.

A demanda-falha entra na fila com a mesma cara de qualquer outro contato, o que faz com que a gente, em geral, não separe ela do resto.

“Mas todo contato é uma chance de encantar o cliente”, vão dizer alguns. Eu entendo o apelo, também acho que toda chance é chance, mas a pesquisa não sustenta o valor dessa visão. Uma meta-análise de de Matos e colegas, de 2007, sobre o tal paradoxo da recuperação, concluiu que resolver bem um problema até mexe na satisfação, mas não mostrou efeito consistente em lealdade. Encantar no conserto é bom, mas o cliente preferia não ter precisado.

Três perguntas separam o volume que você atende do volume que você causa

A maioria das operações classifica contato por assunto: pedido, pagamento, troca, cadastro. Assunto diz do que o cliente falou. O que interessa aqui é a causa, e pra isso temos três perguntas, sempre na mesma ordem.

A primeira é se a empresa sabia do problema antes do cliente. Se sabia, o contato vai pro bucket Aviso, porque um aviso bem feito teria evitado a conversa (como fazer isso direito ficou na edição Você sabia do atraso antes do cliente e esperou ele perguntar). A segunda é se, com processo, produto e texto certos, o cliente ainda precisaria perguntar. Se não precisaria, é caso de Origem, e alguém fora do atendimento tem que consertar. A terceira só vale pro que sobrou: a resposta exige julgamento humano? Se não exige, é Automação. Se exige, é Humana.

Classificar pela causa, e não pelo assunto, é o que separa o volume que você atende do volume que você causa.

O cuidado óbvio é proteger a demanda de valor. A dúvida de pré-venda, a negociação longa que termina em compra, o cliente que quer ajuda pra escolher, nada disso é falha, e ninguém deveria tentar eliminar. Isso ficou bem claro na edição sobre o maior erro da era da IA, e nessa auditoria esse contato cai em Automação ou Humana, nunca em Aviso ou Origem.

Não tenho ainda um recorte com dado de cliente de verdade e não vou chutar a proporção. O que vem aí embaixo é uma simulação, com número redondo, de uma loja de moda online com 30 mil contatos por mês. Serve pra mostrar a conta, não pra te dizer qual é o seu resultado ou qualquer tendência.

Somando Aviso e Origem, são 13.800 contatos, 46% do total e 56% do que foi classificado. Na simulação, é quase metade do volume chegando porque a loja errou antes. Repara também que a tag "outros" tem 18% do volume, e isso já é um achado, porque quando ela passa de 15% a primeira falha que você já tem certeza que existe é a de medição.

Chegamos na parte que o CFO vai querer ver. Na edição sobre a cobrança da Meta, a gente montou um cenário em que cada contato atendido por gente sai por cerca de R$ 8,50. Troca pelo seu número, que ele muda bastante de operação pra operação. Com esse valor, os 13.800 contatos de demanda-falha da loja custariam uns R$ 117 mil por mês, ou R$ 1,4 milhão por ano, se fossem todos atendidos por gente. Isso é um teto, porque parte desse volume a IA já resolve e nenhuma operação elimina 100% da demanda-falha. Mas é um teto que ninguém na loja estava considerando.

Quem conserta não é quem atende

O bucket Origem não se resolve dentro do CX. O cupom quebrado é papo do checkout, o Pix que não confirma é de pagamentos, e um operador logístico que a gente conheceu em reunião abria ticket com a transportadora na mão, um por um, pra responder um cliente cujo problema nasceu na transportadora. Dá pra atender tudo isso muito bem e, no mês seguinte, ver o mesmo volume chegar de novo, porque você não mexeu na causa.

O que eu vi funcionar é meta compartilhada. No CONAREC desse ano, o Banco Safra contou que vice-presidentes, diretores e times se reúnem pra mapear os pontos de mais fricção e eliminar os três maiores motivos de acionamento, com uma meta que é de todas as áreas ao mesmo tempo. O José Clemenceau, diretor de produtos de lá, resumiu assim: "Não pode ser uma meta de produto, só de tecnologia ou só de operações". No mesmo painel, a Carla Beltrão, VP de experiência do cliente da Vivo, contou que a operadora monitora a conexão de fibra e manda mensagem pro cliente avisando da degradação antes que ele ligue. É o bucket Aviso feito em escala, e a frase dela no fechamento do painel foi que o cliente quer, antes de tudo, que a empresa não cause o problema.

O CX não conserta o checkout, mas é a única área que tem a prova de quanto o checkout custa.

E prova boa cabe numa página. Eu levaria pra área dona um one-pager de cinco linhas, que na loja simulada ficaria assim:

  • Motivo: cupom não entra no checkout.

  • Volume: 2.400 contatos por mês.

  • Custo: R$ 20.400 por mês se atendidos por gente.

  • Dono: marketing e tecnologia.

  • Proposta: validar o cupom na página do produto, antes do cliente chegar no pagamento.

Se quiser montar a cadeia completa do problema antes de levar, o CX Case Maker faz exatamente isso.

Duzentos contatos e uma tarde bastam pra achar a sua proporção

Você não precisa de projeto nem de ferramenta nova pra descobrir quanto do seu volume é demanda-falha. Sorteia 200 contatos do último mês fechado, lê cada um e passa pelas três perguntas. Numa tarde dá, e 200 é suficiente pra você enxergar a proporção e os três ou quatro motivos que puxam o resto.

Conheço (também porque já vi) quatro jeitos de errar fazendo isso. O primeiro é a tag "outros" alta, que esconde exatamente o que você está procurando. O segundo é contar por cliente em vez de por conversa: o cliente que voltou três vezes pelo mesmo atraso são três contatos diferentes, com dores diferentes. O terceiro é usar mês de pico — Black Friday, por exemplo, distorce a proporção de qualquer motivo. O quarto é o mais traiçoeiro, e o próprio Seddon alerta pra ele: se a classificação virar meta do time, o time aprende a reetiquetar o contato em vez de consertar a causa. A auditoria é diagnóstico, não avaliação de desempenho.

Se a tag "outros" passa de 15% da amostra, a primeira demanda-falha que você achou é de medição.

Depois da auditoria, o número pra acompanhar mês a mês é a taxa de contato, ou seja, quantos contatos você recebe por pedido ou por cliente ativo. É o número que cai quando o motivo certo é consertado, e ele não depende de quem atende.

O volume que cai pelo motivo certo

Lembra do lado que você escolheu lá em cima? Se foi reter, tá tudo bem, retenção continua sendo a métrica que paga a conta da IA no curto prazo. Só que ela fecha o capítulo dois. O capítulo três é olhar pro volume que chega e separar o que você atende do que você causa.

Eu venho falando faz um tempo que o valor da área de CX vai passar a ser medido pelos problemas que ela evita, e não pelos tickets que resolve. A IA não é o problema nessa história, ela é um dos quatro buckets e resolve muito bem o que deve ser resolvido. O problema é deixar ela ficar ótima em resolver o que não devia existir.

Resolver bem um ticket que não devia existir continua sendo resolver um erro.

Pra você não precisar montar nada do zero, a gente deixou pronta a planilha da auditoria, com as três perguntas, o bucket calculado sozinho, o custo projetado pro seu volume e o one-pager montado a partir do motivo que você escolher. Faz uma cópia aqui no Google Sheets, ou, se você usa Excel, baixa a versão .xlsx. Ela fica no seu Drive e só você vê o que colar lá dentro.

P.S.: a Cloud Humans, que é quem faz a CXperts, está entre as 13 finalistas do Prêmio Startup do Ano, do Startupz. Se a news te ajuda de algum jeito e você quiser retribuir, dá pra votar até 30/11 aqui. Leva um minuto, só confirma no e-mail que chega depois, sem o clique final lá o voto não conta.

TL;DR

  1. O mercado mede quanto do volume a IA resolve e quase nunca pergunta por que esse volume existe.

  2. Demanda-falha é o contato que só acontece porque a empresa errou antes, conceito do John Seddon.

  3. Três perguntas por contato, nessa ordem, separam Aviso, Origem, Automação e Humana.

  4. Aviso e Origem não se resolvem atendendo melhor, e Origem precisa de meta compartilhada com outras áreas.

  5. Uma tarde com 200 contatos e a planilha ali de cima mostra a sua proporção e quanto ela custa.

Ainda não conhece o CXperts?

CXperts é o braço de conteúdo e comunidade da Cloud Humans. Criamos o espaço mais relevante do Brasil para quem acredita que experiência do cliente não é suporte, é estratégia.

O que você encontra no ecossistema CXperts:

1/ CXperts Club: Grupo curado no WhatsApp para líderes reais trocarem entre si — sem buzzword, sem spam. Envie sua aplicação por aqui.

2/ Round Table mensal: Encontro fechado com membros da comunidade para discutir um tema relevante com profundidade.

3/ CXperts Insights: Nossa newsletter semanal com ideias provocativas, benchmarks e reflexões sobre o novo CX.

Feito para quem lidera CX com ambição: nosso foco são c-levels e gestores/heads de Customer Experience em startups e e-commerces em crescimento.

Se você está no front de decisões estratégicas, esse espaço é seu. Junte-se ao CXperts ;)

powered by

Respostas

Avatar

ou participar

Continue lendo

Ver mais
caret-right