Aug
05
04 de agosto de 2024 - 12:00

A-IA-no-Contact-Center-melhora-as-Conexões-entre-o--Agentes-e-os-Clientes-televendas-cobranca-3

Está surgindo algo novo para os agentes dos contact centers. Na última década, graças à maturidade da inteligência artificial (IA) de conversação, o serviço de atendimento ao cliente se voltou de forma massiva para o autoatendimento. As ferramentas de automação e o sistema URA para o autoatendimento , como os bots e os centros de conhecimento, podem facilmente lidar com as tarefas básicas, como verificar o estado de um pedido ou solucionar um código de erro. Os consumidores já se adaptaram a esse paradigma de autoatendimento e procurarão utilizar essas opções cada vez que puderem.

Hoje, os consumidores que interagem com os agentes humanos têm expectativas e demandas muito maiores do que há uma década. Para os agentes, não existem mais chamadas “fáceis”, porque os bots já estão lidando com elas. Se um cliente está falando com um agente, significa que ele não conseguiu resolver seu problema através do autoatendimento porque era muito complexo ou exigia uma grande dose de compreensão e empatia de um ser humano. Isso está combinado com a nova forma de trabalho remoto, onde você não se pode contar com um colega de trabalho ou supervisor sentado ao lado e pronto para ajudar.

Além disso, todas as organizações estão enfrentando pressões orçamentárias. Fazer mais com menos implica resolver os problemas da maneira mais rentável possível. Por exemplo, uma loja de eletrodomésticos prefere ajudar um cliente a solucionar o problema sozinho, em vez de enviar um técnico para reparação, especialmente se o produto está dentro da garantia.

Isso tornou o trabalho dos agentes de atendimento ao cliente ainda mais complicado. Hoje, os agentes do contact center enfrentam consultas muito mais complexas, maiores expectativas dos clientes e mais pressão para resolver cada chamada, e tudo isso trabalhando de forma remota e sem poder transferir a chamada para um colega mais experiente. Esta situação está gerando mais esgotamento para os agente e altas taxas de rotatividade.

A IA pode resolver essa situação e permitir que os agentes se concentrem em atender às demandas crescentes dos clientes.

O Conhecimento com IA e Automação torna-se Poderoso

Analisemos a seguinte situação. Ariel está há três ou quatro meses em sua nova função de agente. Ele fez o treinamento obrigatório, recebeu um laptop e um fone de ouvido e está trabalhando de forma remota na sua casa. Uma cliente que precisa falar com um agente por causa de uma consulta complexa é encaminhada para Ariel. A cliente já está um pouco frustrada e impaciente porque iniciou um chat no canal de autoatendimento, mas não conseguiu resolver a sua consulta. Conversar com um agente é o seu último recurso.

A cliente explica o seu problema, que é realmente complexo. Ariel não pode colocá-la em espera e pedir ajuda a seu supervisor. O supervisor não está imediatamente disponível, o relógio está correndo e cada segundo é importante. De acordo com o recente relatório da Genesys, “O Cenário da Experiência do Cliente“, 33% dos consumidores dizem que deixaram de comprar de uma empresa após uma única interação negativa no último ano. Portanto, manter o tempo médio de atendimento ideal é fundamental para proporcionar uma experiência excepcional para o cliente e consolidar sua fidelidade.

O agente tem acesso à base de conhecimento, então ele passa para outra tela e começa a procurar a possível solução. A cliente continua em espera e o tempo está passando enquanto Ariel examina os artigos da base de conhecimento em busca de uma resposta. A cliente está cada vez mais frustrada, e o agente, mais estressado. É uma experiência desagradável para todos.

É aqui onde a IA pode ajudar. Os contact centers podem utilizar o conhecimento habilitado pela IA para escutar o cliente, identificar uma consulta complexa, e encontrar e apresentar a resposta certa ao agente em tempo real. Para isso, é necessário contar com uma base de conhecimento otimizada para as pesquisas semânticas e utilizar a IA para encontrar e simplificar a informação.

Quando a IA entrega a resposta ao agente, não há necessidade de deixar os clientes em espera. As informações necessárias são recuperadas no decorrer da conversa e com um ou dois cliques a consulta é resolvida. Essa tecnologia não está disponível apenas para interações digitais, e os agentes contam com acesso a transcrições em tempo real de conversas telefônicas e podem aproveitar a informação contextual em tempo real.

O Contexto e o Engagement Preditivo Melhoram os Fluxos de Trabalho e os Resultados

A IA também pode melhorar a experiência do cliente por meio do engagement preditivo. Ela pode “escutar” o comportamento do cliente e calcular automaticamente qual é seu segmento ou o resultado previsto com base em seus padrões de comportamento. Esses dados costumam ser usados para acionar uma oferta de venda cruzada, uma venda de maior valor ou uma conversa. Por exemplo, o engagement preditivo com IA pode ativar uma conversa sobre dispositivos móveis, por meio de um bot, com um cliente que pertence a um segmento móvel determinado e que tenha mais probabilidade de comprar.

O mesmo recurso pode ser utilizado para mostrar ao agente toda a jornada do cliente ao longo de várias interações, incluindo os obstáculos que surgiram. Proporcionar ao agente do call center a informação contextual de toda a jornada do cliente pode melhorar sua eficiência, otimizar a satisfação do cliente (CSAT) e, em última análise, ajudar a gerar melhores resultados. O agente pode saber por que o cliente está entrando em contato com a empresa e se encontrou algum problema durante a sua jornada.

Estabeleça Conexões Adequadas para as Interações em Tempo Real

A IA no contact center também pode melhorar a conexão entre o agente e o cliente inclusive antes do início da interação. Embora o uso da inteligência artificial para otimizar a forma como as interações são roteadas não seja uma ideia nova, sua aplicação tem sido sempre difícil.

O software de call center do passado exigia um exército de especialistas para analisar os dados das interações, criar modelos, testá-los e, depois, implementá-los e medi-los. No entanto, Genesys AI permite que todo o processo seja realizado com apenas três cliques:

Ative o Genesys Predictive Routing e defina os KPIs desejados, o que permite encontrar as filas que podem ser facilmente otimizadas.

Selecione o “modo de teste” para o KPI desejado, o que executa automaticamente o modelo na metade das interações, monitora o impacto no KPI e mostra os resultados.

Aplique Genesys Predictive Routing selecionando entre um modelo 100%, A/B (50/50) ou 80/20 com um ponto de referência incorporado.

Isso também gera múltiplos relatórios integrados que mostram o desempenho do roteamento preditivo e se ele está cumprindo os KPIs definidos, incluindo um visualizador do modelo escolhido que mostra quais interações ou características do cliente têm o maior impacto sobre os KPIs.

Rumo ao Futuro com a IA Generativa

Hoje, é difícil falar sobre a IA sem mencionar a IA generativa. Portanto, é importante parar um momento e tentar entender onde a IA generativa encaixa no contact center.

A IA generativa pode desempenhar, e de fato desempenha, um papel fundamental no trabalho cotidiano do agente do contact center ao resumir as interações com o cliente. Essa tarefa, que costuma levar muito tempo e que é propensa a erros, normalmente é denominada “trabalho pós-atendimento”. Existem maneiras específicas e concretas de realizar esse trabalho. Por exemplo, o agente não precisa da IA generativa para resumir em forma de poema.

Um cliente teve um problema com o seu liquidificador

e ligou para o SAC para falar com um assessor

O agente chamado João

encontrou logo uma solução,

e entregou um novo eletrodoméstico que satisfez o comprador

Este exemplo foi gerado utilizando uma IA de código aberto com 175 bilhões de parâmetros. Embora seja divertido, não é necessário. No entanto, os colaboradores do contact center podem utilizar a IA generativa para resumir e capturar as mudanças, as intenções e os principais resultados da conversa. Também é importante notar que eles podem ser específicos desse domínio.

Motivo: Problema com o liquidificador

Intenção do cliente: Resolver o problema

Resultado: Foi enviando um novo liquidificador para substituir o defeituoso

Sentimento do cliente no final da interação: Positivo

Resumo: O cliente informou o agente sobre o problema com o seu liquidificador. O agente pediu o número do modelo. O agente descobriu que havia um recall para o número de peça ST145. O agente providenciou a entrega do liquidificador novo e a retirada do defeituoso no endereço do cliente.

Este resumo foi gerado com um LLM (modelo de linguagem grande) muito menor, de 780 milhões de parâmetros. Este modelo foi treinado com diversos casos de uso do contact center.

Aproveite ao Máximo o Tempo dos Colaboradores e dos Clientes

Para oferecer as experiências personalizadas de ponta a ponta que os clientes desejam, os agentes do contact center precisam de tempo, contexto e acesso rápido e fácil a muitos dados e informações. Isso pode ser realizado contando com três elementos:

Conhecimento automático, omnichannel, preciso e de fácil acesso.

Interações que começam antes da conversa acontecer.

Automação. Esta é uma nova fronteira onde se fala muito da IA generativa, mas onde o trabalho real apenas começou.

CADASTRE-SE no Blog Televendas & Cobrança e receba semanalmente por e-mail nosso Newsletter com os principais artigos, vagas, notícias do mercado, além de concorrer a prêmios mensais.

» Conheça os colaboradores que fazem o Blog Televendas e Cobrança.

Gostou deste artigo? Compartilhe!

Escreva um comentário:

[fechar]
Receba as nossas novidades por e-mail:
Cadastre-se agora e receba em seu e-mail:
  • Notícias e novidades do segmento de contact center;
  • Vagas em aberto das principais empresas de Atendimento ao Cliente;
  • Artigos exclusivos sobre Televendas & Cobrança assinados pelos principais executivos do mercado;
  • Promoções, Sorteios e muito mais.
Preencha o campo abaixo e fique por dentro das novidades: