Érica Missão

Quando um cliente reclama de algum serviço ou produto que uma determinada empresa oferece, é inevitável dizer que a satisfação do cliente, em relação a empresa, está abalada. Quanto maior o índice de reclamação, maior é o grau de insatisfação dos clientes. Entretanto, ao reclamar, o cliente está presenteando a empresa com um feedback construtivo. As reclamações nada mais são que informações genuínas a respeito dos serviços e produtos fornecidos pela empresa. Logo, considerando tais informações, é possível fazer inferências com o objetivo de determinar uma estratégia de melhoria que vise a satisfação do cliente e também a redução de possíveis riscos para as organizações. De acordo com uma pesquisa feita pela Ford Motors, um cliente insatisfeito relata a sua insatisfação para 22 pessoas, em média; já os clientes satisfeitos, expõem sua satisfação para somente oito pessoas, em média – 63% a menos. Certamente esses indicadores estão associados ao fato do ser humano se lembrar mais de eventos ruins que bons eventos.

Infelizmente não existe um mundo perfeito no qual as empresas pudessem fornecer serviços totalmente confiáveis e que funcionassem sempre. Porém, é possível trabalhar com as reclamações de forma a reduzir a insatisfação dos clientes, identificando quais são os principais pontos em que a empresa deve investir e também quais são as formas de recuperá-los.

No geral, uma empresa que possui uma central de atendimento aos clientes (SAC), adota estruturas para capturar as informações de reclamação fornecidas por eles. Através desse banco de dados é possível analisar os motivos que levam um determinado grupo de clientes a reclamar. Então, considerando essas mesmas informações, é possível prever as reclamações? Em outras palavras, é possível indicar a probabilidade de um cliente reclamar em um determinado periodo de tempo? Utilizando a metodologia estatística, é possível fazer esse tipo de previsão.

Neste artigo será relatado um case de sucesso utilizando modelos de regressão logística com o objetivo de auxiliar na redução dos índices de reclamação no segmento de Telecom, setor de faturamento. Para este estudo foram excluídos as reclamações improcedentes (homologadas pela empresa) e as informações faltantes (missing`s). Dezenas de variáveis foram utilizadas inicialmente, porém as mais significativas aos dados foram: tempo de permanência do cliente; reincidência de reclamação; tipo de produto reclamado; inclusão e exclusão de produtos; delta de variação da fatura; valor da fatura; região residencial; escolaridade; entre outras. Foram realizados testes correlacionais entre as variáveis selecionadas e o período de estudo foi de 13 meses, para minimizar a influência de sazonalidade. O nível de separação dos grupos foi mensurado por meio do teste estatístico de K-S (Kolmogorov-Smirnov) – curva de probabilidade acumulada. O resultado deste teste apontou os índices de 53% na amostra de desenvolvimento e 49% na amostra de validação, o que deve ser considerado um ótimo resultado, pois, em geral, um K-S acima de 25% já é interpretado como satisfatório. Assim, quanto maior o K-S, melhor é a aderência do modelo e, consequentemente, mais assertivo.

Após a confecção do modelo, os clientes foram divididos em três grupos, pelo ponto de corte estabelecido a partir do percentual acumulado de reclamação: clientes de baixo risco, clientes de médio risco e clientes de alto risco (alta probabilidade de vir a reclamar nos próximos seis meses) com os índices 78%, 6% e 16%, respectivamente. A figura abaixo ilustra o gráfico do teste de K-S, sendo que a linha “azul” refere-se à probabilidade acumulada dos clientes que não reclamaram e a linha “vermelha” denota a probabilidade acumulada dos clientes reclamantes.

Dentre o público de alto risco foi observado um alto índice de churn voluntário (25%) – termo que designa a rotatividade voluntária dos usuários dos serviços de uma empresa – sendo que nos demais grupos este índice não passou de 10%. Como houve uma correlação significativa entre o índice de reclamação e o percentual de churn,  foi desenvolvido uma análise de cluster  (nomeada de Bad Cluster) com o objetivo de identificar também o perfil destes clientes. Através dessa análise, foram definidos três nichos distintos: clientes novos, há menos de um ano  (55%); reincidente de reclamação (33%) e detentor do produto mais dispendioso da empresa (12%).

Após a implantação do modelo preditivo de reclamação, juntamente com a análise de Bad Cluster, foram obtidos ótimos resultados, que reduziram 26% das reclamações nos primeiros três meses e aproximadamente 21% no trimestre subsequente, perfazendo um total de 23,5% no semestre.

O tratamento foi feito a partir de clientes ativos da base, aplicando uma periodicidade mensal na pontuação do modelo e na análise do Bad Cluster. Foi criada uma célula para tratar de forma proativa todos os clientes que eram definidos como de alto risco, fazendo uma análise minuciosa nas faturas desses clientes, no intuito de encontrar inconsistências. Aqueles que apresentavam perfil de churn voluntário foram tratados também com ações específicas para retê-los, observando uma redução de 15% nos primeiros seis meses.

O modo mais simples de manter os clientes no portfólio da empresa é garantir que eles estejam satisfeitos, e, portanto, adotou-se a diretriz de reduzir o índice de reclamação, que vinha crescendo nos últimos anos. Contudo, não bastam somente investimentos em métodos preditivos; a empresa tem que conhecer o seu cliente, saber ouví-lo, auxiliá-lo no que for preciso e atender às suas principais necessidades. Existem algumas premissas básicas, as quais devem ser seguidas, visando o sucesso no quesito satisfação do cliente, tais são elas: credibilidade, acessibilidade, confiabilidade, excelência e flexibilidade. Além dessas, existe a “sensibilidade”, ou seja, ser sensível ao cliente, entender o porquê de suas reclamações e sobre o quê eles reclamam. Cada grupo de cliente possui necessidades específicas e a resolução da causa raiz da reclamação pode ser um grande passo para o aumento da satisfação.

Outro artigo que também contempla em seu conteúdo o assunto satisfação do cliente é “Cobrança em Call Center: Rentabilidade empresa x Satisfação cliente”, o qual também se encontra neste Blog.

Você, leitor, que possui alguma experiência dentro deste tema, compartilhe conosco. As discussões, os questionamentos e os feedback’s, são muito importantes para todos nós!

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. Neste mês de inauguração nosso prêmio será um Ipad 2