Líder de opinião em experiência do cliente partilha como a CX pode usar a IA para conquistar um lugar à mesa

Jim Tincher é um líder de opinião e investigador na área da experiência do cliente. É também o fundador da Heart of the Customer, uma empresa boutique de experiência do cliente de ponta a ponta que apoia organizações complexas.

Sentámo-nos com Jim para saber o que tem observado na sua investigação. Explorou a utilização da IA para melhorar as jornadas dos clientes.

Uma carreira na experiência do cliente e na investigação

Sou Jim Tincher, fundador e diretor executivo da Heart of the Customer. Fazemos isto desde 2012.

Não dirijo um departamento de experiência do cliente — aconselho os executivos responsáveis pelo crescimento: diretores comerciais, vice-presidentes de vendas e operações, e diretores executivos. Trabalhamos entre empresas B2B; o nosso trabalho mais aprofundado é na indústria transformadora: BASF, Dow, Milliken, Xylem, Legrand, Vermeer.

Também lidero a análise de investigação do Advanced Manufacturing CX Consortium — dezassete fabricantes que, em conjunto, inquiriram quase 10 000 dos seus clientes por ano para determinar o que leva um cliente a crescer com um fornecedor.

Porque deve a IA ser utilizada nos dados, e não nas relações

Com o avanço da IA, mudámos a forma como fazemos análises, não as nossas relações com os clientes — uma distinção deliberada.

No ano passado, entrevistei 34 executivos de topo para saber o que era mais importante para eles e a resposta (sem surpresa) foi «crescimento». Os 34 concordaram, por isso usamos essa perspetiva em tudo.

O nosso estudo de referência concluiu que os três principais indicadores do crescimento dos clientes são todos sinais relacionais: sentir-se valorizado, a relação com a conta e o processo de compra; não a facilidade de fazer negócio, a satisfação ou outras medidas típicas da experiência do cliente. Isto torna-me cauteloso quanto à automatização de áreas em que os clientes decidem se o seu negócio é importante para si. Eliminar o elemento humano pode remover precisamente os sinais que os clientes utilizam para avaliar se devem crescer consigo.

Por isso, aplicamos a IA à análise — analisando conversas, comentários de resposta aberta e outras comunicações. Ler, codificar e encontrar padrões manualmente em centenas de conversas é moroso e limita a nossa capacidade. Mas, com o Claude e uma ferramenta de transcrição, podemos procurar padrões ao longo de todo o historial de uma interação, em vez de analisar um ponto de contacto de cada vez.

A IA permitiu-nos pesquisar mais de 800 entrevistas B2B nos nossos dados, encontrando uma estrutura que antes não conseguíamos ver. Em seguida, testámos a hierarquia de quatro níveis, que prevê que proporção das despesas de um cliente será obtida, face a vinte e um conjuntos de dados distintos de clientes. Não teria conseguido fazer essa análise manualmente a essa escala.

Um fluxo de trabalho que fornece uma lista ordenada de etapas a corrigir na jornada do cliente

Eis um fluxo de trabalho que termina numa lista ordenada de etapas da jornada a corrigir, organizada de acordo com a receita em risco.

Começa com conversas, não com inquéritos. Entrevistamos diretamente os clientes de um cliente — o comprador, o diretor da fábrica, o executivo que assina o contrato — e gravamos e transcrevemos essas conversas através do Fireflies.

Era aí que residia a antiga limitação. Um analista lê aquilo para que tem tempo, e esse limite molda todas as conclusões. Recolhe-se uma amostra, encontra-se um padrão na amostra e espera-se que a amostra seja representativa.

Em seguida, o analista reúne as conclusões iniciais — a narrativa, os temas principais.

Depois, recorremos ao Claude. O Claude lê cada transcrição na íntegra. Extrai aquilo que os clientes disseram, palavra por palavra, com a fonte associada: quem o disse, em que conversa e em que momento da conversa. Essa proveniência é mais importante do que a velocidade. Quando um cliente questiona uma conclusão, não a defendemos. Mostramos-lhe a citação.

Depois, fazemos a análise, e esta parte não é automatizada.

Jim partilha

A divisão do trabalho é fundamental. A IA eliminou uma limitação de leitura. Não afetou o discernimento — decidir o que perguntar, reconhecer quais os padrões importantes e saber quando um cliente nos está a dizer algo que não sabe que está a dizer.

Este cliente ainda está a discutir funcionalidades básicas? Ou está a discutir se pode contar com o nosso cliente quando as coisas se complicam? Ou se se sente valorizado? Isso dá-nos uma posição, não uma pontuação.

Depois, mapeamo-lo ao longo da jornada. Surge uma curva — a confiança aumenta nesta etapa e quebra naquela. A maioria dos clientes nunca viu a sua relação dessa forma. Viram um único número de satisfação para toda a relação, o que oculta o local exato onde ocorrem os danos.

Relacionamos as ruturas com as contas e as contas com o dinheiro. Não «os clientes estão frustrados nesta etapa». Em vez disso: a confiança diminui aqui, estas onze contas estão abaixo dessa linha e eis como as suas despesas mudaram nos últimos quatro trimestres.

Essa ordenação é o ponto central. A maioria das empresas estabelece prioridades com base no volume de reclamações — o que é quase aleatório, porque as contas que estão silenciosamente a planear a saída são normalmente as que não apresentam reclamações.

Por fim, utilizamos o Reduct para transformar as citações críticas em vídeos, partilhando a voz do cliente.

A divisão do trabalho é fundamental. A IA eliminou uma limitação de leitura. Não afetou o discernimento — decidir o que perguntar, reconhecer quais os padrões importantes, saber quando um cliente está a dizer-lhe algo que não sabe que está a dizer. Isto representa catorze anos de trabalho, e não é algo que possa ser automatizado.

Porque é que a recuperação do serviço deve continuar a ser humana

Por isso, estabeleço aqui a fronteira: IA nos dados, seres humanos quando os clientes decidem se são importantes para si. A IA não toma decisões — de CX ou outras —, embora a utilize para fundamentar as minhas decisões.

Assim, a IA é melhor utilizada para

• Encontrar padrões em conversas e comentários abertos.
• Perceber quais os problemas que realmente custam dinheiro — a maioria das empresas estabelece prioridades com base no volume de reclamações, um método quase aleatório.
• Detetar contas que ficaram silenciosas, aquelas cuja variedade de linhas de produtos encomendadas está a diminuir ou aquelas cuja linguagem mudou. Os seres humanos não percecionam este sinal porque não faz parte das funções de ninguém estar atento a ele.

O lugar mais importante para manter o elemento humano é a recuperação do serviço. Os nossos dados são claros neste aspeto — os clientes completamente satisfeitos com a resolução de um problema reduzem os seus gastos apenas 1% das vezes. Os clientes insatisfeitos com a resolução reduzem os seus gastos 35% das vezes. E os clientes "razoavelmente satisfeitos" comportam-se mais como clientes insatisfeitos do que como clientes satisfeitos. As soluções parciais contam como ausência de solução.

Esta última descoberta é o verdadeiro argumento. A automatização é excelente a produzir resultados adequados em grande escala. É precisamente no que é adequado que o crescimento morre.

Para o escalamento, eu dividiria o processo: deixar a IA encontrar a conta em risco e, depois, fazer uma chamada humana. A deteção é um problema de dados. A recuperação é um problema de relacionamento. E sou particularmente cético em relação à personalização automatizada, porque os clientes B2B conseguem percebê-la e uma personalização que parece gerada transmite precisamente o oposto da sua intenção.

Porque é que a análise com IA requer salvaguardas rigorosas

Assim, a IA é excelente a encontrar padrões. Mas isso inclui padrões ilusórios.

A IA inventa especificidade. Pequenas descobertas plausíveis: um número dentro do intervalo certo, uma citação que parece correta. E, se procurar apoio para algo em que já acredita, irá encontrá-lo.

Por isso, tornámo-nos mais rigorosos, não menos: todos os números e citações que publicamos têm de remontar a uma fonte específica e, quando algo não é coerente, assinalamo-lo em vez de o disfarçarmos. A IA elevou tanto o nosso limite máximo como o nível de disciplina exigido.

Como é que a IA pode eliminar os silos organizacionais

Toda a gente reformula a camada voltada para o cliente — chatbots, desvio de pedidos, contacto automatizado. Quase ninguém reformula a camada subjacente, onde o conhecimento da empresa está fragmentado.

As operações sabem qual é a sua taxa de entregas atempadas. As vendas sabem quais as contas que deixaram de encomendar uma linha de produtos. O digital sabe quem encomenda, abandona encomendas ou fica bloqueado enquanto tenta fazê-lo. As finanças sabem o que aconteceu à margem. A CX sabe como os clientes se sentem. Cinco grupos, cinco conjuntos de dados, cinco sistemas. Ninguém detém os cinco.

A resposta à pergunta "Porque é que essa conta diminuiu?" existe dentro da sua empresa, mas está distribuída por pessoas que não participam na mesma reunião. Como digo aos meus clientes, "Só sabia aquilo que sabia." O que poderia acontecer se conseguisse libertar todo o conhecimento fragmentado da sua organização? O que é que isso permitiria fazer?

Não é um problema de dados. Adicionar um quinto painel de controlo não o resolverá. É um problema de modelo — sem uma cadeia que ligue as operações à emoção, ao comportamento e à receita, mais dados dão-lhe mais dados desconexos.

É aqui que a IA demonstra o seu valor, e não é o caso de utilização que está a receber atenção. Consegue lidar com os cinco aspetos ao mesmo tempo. Pode ler e-mails, cruzá-los com o histórico operacional e os padrões de encomendas, e descobrir onde se interligam.

A parte técnica foi a mais fácil. Obter os dados é a parte difícil. Sempre. É por isso que isto não funciona como um projeto de análise de dados. Requer um patrocinador — alguém com senioridade suficiente para reunir os vários grupos que detêm os dados e desafiar esses grupos a descobrir onde o crescimento se está a perder entre os silos de informação.

O Jim partilha

Analise o que automatizou no ano passado e, depois, sobreponha isso às fases da jornada em que os seus clientes determinam se valoriza o negócio deles. Se automatizou esses pontos de contacto críticos, não poupou nos custos — reduziu inadvertidamente a sua previsão de receitas.

Por que razão as organizações estão a concentrar-se nas métricas de IA erradas

Pergunte à maioria das empresas o que a IA melhorou e mencionarão as taxas de desvio e os tempos de resposta. Por outras palavras, dir-lhe-ão quanto contacto humano eliminaram. Depois, dirão que a satisfação se manteve estável.

Provavelmente manteve-se. Essa é a armadilha.

No nosso estudo de referência, 81% dos clientes estavam satisfeitos. Apenas 27% planeavam crescer. A satisfação sobreviveu. O crescimento não.

Eis o que eu faria. Analise o que automatizou no ano passado e, depois, sobreponha isso às fases da jornada em que os seus clientes determinam se valoriza o negócio deles. Se automatizou esses pontos de contacto críticos, não poupou nos custos — reduziu inadvertidamente a sua previsão de receitas.

Como os líderes de CX podem utilizar a IA para conquistar um lugar à mesa

Como disse, entrevistei 34 executivos da direção sobre as suas prioridades e todos mencionaram o crescimento. Quase nenhum referiu espontaneamente a experiência do cliente como um tema importante — apesar de saberem que sou uma referência na área da experiência do cliente, que a CXPA patrocinou a reunião e que o convite para a reunião incluía CX.

Isto parece uma má notícia. Não é. A desconexão não está no facto de os seus executivos não se preocuparem com os clientes — está no facto de ninguém lhes ter mostrado como a experiência do cliente movimenta dinheiro.

Os executivos preocupavam-se muito mais com aquilo que os clientes faziam do que com aquilo que diziam. Quando perguntei o que acompanhavam para avaliar a saúde do negócio, mencionaram tendências de resultados financeiros, métricas de cumprimento, entregas dentro do prazo, velocidade do pipeline, vitórias em RFP. Retenção. Recompras. As medidas de sentimento — incluindo o NPS — quase nunca foram mencionadas. Isto está alinhado com a conclusão do XM Institute de que a maioria dos programas de CX não consegue demonstrar valor. Por que razão haveria um membro da direção de mencionar CX?

Um deles explicou-o melhor do que eu conseguiria. "Temos painéis de controlo cheios de indicadores desfasados. Os indicadores desfasados são fáceis. O difícil é encontrar os indicadores preditivos."

Não ignore isto, porque é a sua oportunidade. As emoções e os comportamentos são os indicadores preditivos. E os dados sobre as emoções pertencem-lhe — partindo do princípio de que mede as emoções (e deveria fazê-lo). Ninguém mais na sua empresa dispõe desses dados.

Por isso, eis o conselho: pare de apresentar aquilo que os clientes sentem. Comece a apresentar aquilo que isso prevê.

Existe uma cadeia que liga as operações às receitas. A sua empresa aciona alavancas operacionais — entregas, comunicação, resolução de problemas. Essas ações criam emoções nos seus clientes. As emoções alteram o comportamento. O comportamento traduz-se em dinheiro. Alavancas, emoção, ação, dinheiro — chama-se Cadeia de Crescimento™ , e utilizamos o acrónimo LEAD para a tornar memorável. As operações controlam o primeiro elo, as finanças controlam o último e os dois do meio são da sua responsabilidade. São também os dois que ninguém está a medir.

É aqui que a IA pode ser indispensável: descobrir e elaborar relatórios sobre estas ligações.

Três em cada quatro programas de CX nunca demonstram uma ligação aos resultados financeiros. Esse é o número que o deve preocupar, porque é o número que faz com que o seu orçamento seja cortado assim que as margens diminuem.

O ponto de partida é mais pequeno do que possa pensar. Escolha duas contas — uma em crescimento e outra em declínio. Trace a cadeia em ambas. Na conta em crescimento, avance a partir da mudança operacional. Na conta em declínio, recue a partir da receita.

Depois, acrescente três perguntas a um inquérito que já esteja a enviar. Até que ponto está confiante de que podemos resolver as suas necessidades futuras? Até que ponto se sente valorizado enquanto nosso cliente? Em que medida atuamos como um verdadeiro parceiro no seu negócio?

Duas contas e três perguntas. Faça isso neste trimestre e entrará numa sala com algo que mais ninguém na sua empresa consegue produzir.

E deixe de pedir um lugar à mesa. Não consegue esse lugar por pedi-lo. Consegue-o ao mostrar ao seu CEO que um investimento operacional específico mudou a forma como os clientes se sentiam — e que essa mudança fez a receita aumentar.

Acompanhe

Pode acompanhar o trabalho de Jim Tincher no LinkedIn. E consulte o Heart of the Customer.

Em breve, teremos mais entrevistas com especialistas no The CX Lead!