Il leader di pensiero della CX spiega come la CX può usare l’IA per ottenere un posto al tavolo decisionale

Jim Tincher è un esperto e ricercatore di riferimento nel campo della CX. È anche il fondatore di Heart of the Customer, una società boutique di esperienza cliente E2E che supporta organizzazioni complesse.

Abbiamo parlato con Jim per scoprire cosa sta osservando nella sua ricerca. Ha approfondito l'uso dell'AI per migliorare i percorsi dei clienti.

Una carriera nella CX e nella ricerca

Sono Jim Tincher, fondatore e CEO di Heart of the Customer. Svolgiamo questa attività dal 2012.

Non gestisco un reparto di customer experience: offro consulenza ai dirigenti responsabili della crescita: direttori commerciali, vicepresidenti delle vendite e delle attività operative, CEO. Operiamo in ambito B2B; il nostro lavoro più approfondito riguarda il settore manifatturiero: BASF, Dow, Milliken, Xylem, Legrand, Vermeer.

Conduco inoltre l'analisi della ricerca per l'Advanced Manufacturing CX Consortium: diciassette aziende manifatturiere che insieme intervistano quasi 10.000 clienti all'anno per determinare cosa porta un cliente a crescere insieme a un fornitore.

Perché l'AI dovrebbe essere usata sui dati, non sulle relazioni

Con l'evoluzione dell'AI, abbiamo cambiato il modo in cui svolgiamo le analisi, non le nostre relazioni con i clienti. — una distinzione intenzionale.

L'anno scorso ho intervistato 34 dirigenti della C-Suite per capire cosa contasse di più per loro e la risposta (senza sorprese) è stata la «crescita». Tutti e 34 erano d'accordo, quindi usiamo questa prospettiva per ogni cosa.

La nostra analisi comparativa ha rilevato che i tre principali indicatori della crescita dei clienti sono tutti segnali relazionali: sentirsi valorizzati, la relazione con il referente e il processo di acquisto; non la facilità di fare affari, la soddisfazione o altre metriche tipiche della CX. Questo mi rende prudente riguardo all'automazione delle aree in cui i clienti decidono se la loro attività è importante per voi. Eliminare l'elemento umano potrebbe rimuovere proprio i segnali che i clienti usano per valutare se crescere insieme a voi.

Perciò applichiamo l'AI all'analisi: analizziamo conversazioni, commenti a risposta aperta e altre comunicazioni. Leggere, codificare e individuare manualmente gli schemi tra centinaia di conversazioni è lento e limita la nostra capacità operativa. Ma con Claude e uno strumento di trascrizione possiamo cercare schemi nell'intera cronologia di un incarico, invece di analizzare un punto di contatto alla volta.

L'AI ci ha permesso di cercare tra oltre 800 interviste B2B presenti nei nostri dati, individuando una struttura che prima non riuscivamo a vedere. Abbiamo poi testato la gerarchia a quattro livelli, che prevede quanto della spesa di un cliente otterrete, su ventuno set di dati distinti dei clienti. Non avrei potuto svolgere manualmente un'analisi di questa portata.

Un flusso di lavoro che fornisce un elenco classificato dei passaggi da correggere nel percorso del cliente

Ecco un flusso di lavoro che si conclude con un elenco classificato dei passaggi del percorso da correggere, ordinati in base al fatturato a rischio.

Inizia dalle conversazioni, non dai sondaggi. Intervistiamo direttamente i clienti di un'azienda: l'acquirente, il responsabile dello stabilimento, il dirigente che firma il contratto, e registriamo e trascriviamo queste conversazioni tramite Fireflies.

È qui che si trovava il vecchio limite. Un analista legge ciò che ha il tempo di leggere e questo limite influenza ogni conclusione. Si estrae un campione, si individua uno schema nel campione e si spera che il campione sia rappresentativo.

Successivamente, l'analista raccoglie i risultati iniziali: la storia, i temi principali.

Poi ci rivolgiamo a Claude. Claude legge integralmente ogni trascrizione. Estrae ciò che i clienti hanno detto, parola per parola, allegando la fonte: chi lo ha detto, in quale conversazione e in quale punto della conversazione. Questa provenienza è più importante della velocità. Quando un cliente mette in discussione un risultato, non lo difendiamo. Gli mostriamo la citazione.

Poi svolgiamo l'analisi, e questa parte non è automatizzata.

Jim condivide

La divisione del lavoro è fondamentale. L’AI ha eliminato un vincolo legato alla lettura. Non ha influito sul giudizio: decidere cosa chiedere, riconoscere quali schemi sono importanti, capire quando un cliente vi sta dicendo qualcosa senza sapere di farlo.

Questo cliente sta ancora discutendo di funzionalità di base? Oppure sta discutendo della possibilità di contare sul nostro cliente quando le cose si complicano? O del fatto che si senta valorizzato? Questo ci fornisce una posizione, non un punteggio.

Poi lo mappiamo lungo il percorso. Emerge una curva: la fiducia cresce in questo passaggio e si interrompe in quell'altro. La maggior parte dei clienti non ha mai visto la propria relazione in questo modo. Ha visto un unico dato di soddisfazione per l'intera relazione, che nasconde il punto esatto in cui si verifica il danno.

Colleghiamo le interruzioni ai clienti e i clienti al denaro. Non «i clienti sono frustrati in questo passaggio». Piuttosto: la fiducia diminuisce qui, questi undici clienti si trovano al di sotto di quella linea e questo è il modo in cui la loro spesa è cambiata negli ultimi quattro trimestri.

Questo è il punto dell'ordine. La maggior parte delle aziende stabilisce le priorità in base al volume dei reclami — un criterio quasi casuale, perché gli account che stanno pianificando silenziosamente il loro abbandono sono solitamente quelli che non si lamentano.

Infine, utilizziamo Reduct per trasformare le citazioni fondamentali in video, dando voce al cliente.

La divisione del lavoro è fondamentale. L'IA ha rimosso un vincolo di lettura. Non ha influito sul giudizio — decidere cosa chiedere, riconoscere quali schemi contano, sapere quando un cliente ti sta dicendo qualcosa senza sapere di dirtelo. Questo rappresenta quattordici anni di lavoro e non può essere automatizzato.

Perché il recupero del servizio deve rimanere umano

Quindi, per me il confine è questo: IA sui dati, esseri umani quando i clienti decidono se contano per te. L'IA non prende decisioni — legate alla CX o di altro tipo — anche se la utilizzo per orientare le mie decisioni.

Quindi, l'IA viene utilizzata al meglio per

• Individuare schemi nelle conversazioni e nei commenti a risposta aperta.
• Capire quali problemi costano effettivamente denaro — la maggior parte delle aziende stabilisce le priorità in base al volume dei reclami, un metodo quasi casuale.
• Rilevare gli account che sono rimasti inattivi, quelli con una gamma di ordini sempre più ristretta o quelli il cui linguaggio è cambiato. Gli esseri umani non colgono questo segnale perché nessuno ha il compito di osservarlo.

Il luogo più importante in cui mantenere un approccio umano è il recupero del servizio. I nostri dati sono chiari su questo punto: i clienti completamente soddisfatti della risoluzione di un problema riducono la loro spesa nell'1% dei casi. I clienti non soddisfatti della risoluzione riducono la loro spesa nel 35% dei casi. E i clienti "abbastanza soddisfatti" si comportano più come quelli insoddisfatti che come quelli soddisfatti. Le soluzioni parziali equivalgono a nessuna soluzione.

Quest'ultima scoperta è il vero argomento. L'automazione eccelle nel produrre risultati adeguati su larga scala. È proprio nel livello dell'adeguatezza che la crescita muore.

Per le escalation, dividerei il processo: lasciamo che l'IA individui l'account a rischio, poi interviene una persona. Il rilevamento è un problema di dati. Il recupero è un problema di relazioni. E sono particolarmente scettico nei confronti della personalizzazione automatizzata, perché i clienti B2B se ne accorgono e una personalizzazione che appare generata segnala l'opposto della sua intenzione.

Perché l'analisi dell'IA richiede rigorosi meccanismi di controllo

Quindi, l'IA eccelle nell'individuare schemi. Ma questo include anche quelli illusori.

L'IA inventa dettagli specifici. Piccoli risultati plausibili: un numero nell'intervallo corretto, una citazione che sembra appropriata. E se cerchi conferme per qualcosa in cui credi già, le troverai.

Quindi, siamo diventati più rigorosi, non meno: ogni numero e ogni citazione che pubblichiamo devono poter essere ricondotti a una fonte specifica e, quando qualcosa non torna, lo segnaliamo invece di correggerlo per farlo sembrare coerente. L'IA ha appena innalzato sia il nostro tetto massimo sia il livello di disciplina richiesto.

Come l'IA può eliminare i silos organizzativi

Tutti riprogettano il livello a contatto con il cliente — chatbot, deviazione delle richieste, comunicazioni automatizzate. Quasi nessuno riprogetta il livello sottostante, dove le conoscenze dell'azienda risiedono in frammenti.

Le operazioni conoscono la puntualità delle consegne. Le vendite sanno quali account hanno smesso di ordinare una linea di prodotti. Il digitale sa chi ordina, abbandona gli ordini o rimane bloccato mentre cerca di farlo. La finanza sa cosa è successo al margine. La CX sa come si sentono i clienti. Cinque gruppi, cinque insiemi di dati, cinque sistemi. Nessuno li possiede tutti e cinque.

La risposta alla domanda "Perché quell'account si è ridotto?" esiste all'interno della tua azienda, ma è distribuita tra persone che non partecipano alla stessa riunione. Come dico ai miei clienti: "Conoscevi solo ciò che conosci". Cosa potrebbe accadere se riuscissi a liberare tutte le conoscenze scollegate presenti nella tua organizzazione? Cosa ti permetterebbe di fare?

Non è un problema di dati. Aggiungere un quinto pannello di controllo non lo risolverà. È un problema di modello: senza una catena che colleghi operazioni, emozioni, comportamento e ricavi, più dati ti forniscono semplicemente più dati scollegati.

È qui che l'IA dimostra il suo valore, e non è il caso d'uso che sta ricevendo attenzione. Può gestire tutti e cinque questi aspetti contemporaneamente. Può leggere le email, affiancare la cronologia operativa e i modelli degli ordini e individuare i punti di connessione.

La parte tecnica era quella facile. Ottenere i dati è la parte difficile. Ogni volta. Ecco perché questo non funziona come progetto di analisi. Serve uno sponsor — qualcuno abbastanza senior da riunire i vari gruppi che detengono i dati e da sfidare i gruppi a scoprire dove la crescita si disperde tra i silos informativi.

Jim condivide

Osserva ciò che hai automatizzato lo scorso anno, poi sovrapponilo alle fasi del percorso in cui i tuoi clienti stabiliscono se attribuisci valore al loro rapporto con la tua azienda. Se hai automatizzato eliminando quei punti di contatto critici, non hai risparmiato sui costi — hai inavvertitamente ridotto le tue previsioni di fatturato.

Perché le organizzazioni si concentrano sulle metriche sbagliate dell'IA

Chiedi alla maggior parte delle aziende che cosa ha migliorato l'IA e parleranno dei tassi di deflessione e dei tempi di risposta. In altre parole, ti diranno quanto contatto umano hanno eliminato. Poi diranno che la soddisfazione è rimasta stabile.

Probabilmente è così. È questa la trappola.

Nel nostro benchmark, l'81% dei clienti era soddisfatto. Solo il 27% aveva intenzione di aumentare il proprio rapporto con l'azienda. La soddisfazione è sopravvissuta. La crescita no.

Ecco cosa farei. Osserva ciò che hai automatizzato lo scorso anno, poi sovrapponilo alle fasi del percorso in cui i tuoi clienti stabiliscono se attribuisci valore al loro rapporto con la tua azienda. Se hai automatizzato eliminando quei punti di contatto critici, non hai risparmiato sui costi — hai inavvertitamente ridotto le tue previsioni di fatturato.

Come i leader della CX possono usare l'IA per ottenere un posto al tavolo

Come ho detto, ho intervistato 34 dirigenti del C-Suite sulle loro priorità e ognuno ha indicato la crescita. Quasi nessuno ha menzionato spontaneamente l'esperienza del cliente come tema importante — nonostante sapessero che sono un punto di riferimento nell'ambito dell'esperienza del cliente, che l'incontro era sponsorizzato dalla CXPA e che l'invito all'incontro includeva la CX.

Sembra una cattiva notizia. Non lo è. Il problema non è che i tuoi dirigenti non si preoccupino dei clienti — è che nessuno ha mostrato loro come l'esperienza del cliente incida sui ricavi.

I dirigenti erano molto più interessati a ciò che i clienti facevano che a ciò che dicevano. Quando ho chiesto che cosa osservassero per valutare la salute dell'azienda, hanno citato gli andamenti di profitti e perdite, le metriche di evasione, le consegne puntuali, la velocità della pipeline, le vittorie nelle RFP. La fidelizzazione. I riacquisti. Le misure del sentiment — incluso l'NPS — sono emerse quasi mai. Questo è in linea con quanto rilevato dallo XM Institute: la maggior parte dei programmi CX non riesce a dimostrare il proprio valore. Perché un membro del C-Suite dovrebbe parlare di CX?

Uno di loro l'ha formulato meglio di quanto possa fare io. "Abbiamo cruscotti pieni di indicatori ritardati. Gli indicatori ritardati sono facili. È trovare quelli anticipatori la parte difficile."

Non sorvolare su questo, perché è la tua occasione. Le emozioni e i comportamenti sono gli indicatori anticipatori. E i dati sulle emozioni sono tuoi — sempre che tu stia misurando le emozioni (e dovresti farlo). Nessun altro nella tua azienda dispone di questi dati.

Quindi ecco il consiglio: smetti di presentare ciò che provano i clienti. Inizia a presentare ciò che questo permette di prevedere.

C'è una catena che collega le operazioni ai ricavi. La tua azienda aziona leve operative — consegna, comunicazione, risoluzione dei problemi. Queste creano emozioni nei tuoi clienti. Le emozioni cambiano il comportamento. Il comportamento si traduce in ricavi. Leve, emozione, azione, ricavi — si chiama La catena della crescita™ , e usiamo l'acronimo LEAD per renderla memorabile. Le operazioni gestiscono il primo anello, la finanza l'ultimo e i due intermedi sono di tua competenza. Sono anche i due che nessuno sta misurando.

È qui che l'IA può essere indispensabile: scoprire e analizzare queste connessioni.

Tre programmi CX su quattro non dimostrano mai una connessione con i risultati finanziari. È questo il dato che dovrebbe preoccuparti, perché è il dato che fa tagliare il tuo budget nel momento in cui i margini si riducono.

Il punto di partenza è più piccolo di quanto si possa pensare. Scegli due account: uno in crescita e uno in calo. Ricostruisci la catena per entrambi. Per l'account in crescita, procedi a ritroso dal cambiamento operativo. Per quello in calo, procedi a ritroso a partire dai ricavi.

Poi aggiungi tre domande a un sondaggio che stai già inviando. Quanto sei sicuro che possiamo risolvere le tue esigenze future? Quanto ti senti apprezzato come nostro cliente? In che misura operiamo come un vero partner per la tua azienda?

Due account e tre domande. Fallo in questo trimestre e entrerai in una stanza con qualcosa che nessun altro nella tua azienda è in grado di produrre.

E smetti di chiedere un posto al tavolo. Non lo ottieni chiedendolo. Lo ottieni dimostrando al tuo CEO che uno specifico investimento operativo ha cambiato il modo in cui i clienti si sono sentiti e che questo cambiamento ha spostato i ricavi.

Segui gli aggiornamenti

Puoi seguire il lavoro di Jim Tincher su LinkedIn. E dai un'occhiata a Heart of the Customer.

Presto arriveranno altre interviste a esperti su The CX Lead!