Machine Learning: entenda esse conceito base para a segunda onda da transformação digital
A transformação digital já é uma realidade. Agora, estamos no caminho de aprimorá-la cada vez mais. Nesse sentido, o Machine Learning é fundamental. Para o atendimento, ele é o conceito responsável por tornar as empresas mais humanizadas, acessíveis e eficientes diante de consumidores exigentes que vivem a era da experiência.
Confira neste artigo a relação do Machine Learning com outras tecnologias; veja como sua aplicação faz diferença na produtividade e na redução de custos de uma empresa e aprenda os cuidados a se ter ao implementá-lo nos atendimentos virtuais. Boa leitura!
O contexto de surgimento do Machine Learning
Há pouco mais de 40 anos, surgiam as primeiras grandes tecnologias do mundo, aplicadas para o uso no cotidiano, como o celular e os computadores.
A década de 1980 viu um grande marco com o nascimento da internet e sistemas operacionais, como o Windows. Já na década de 1990, a tecnologia avançava com a criação do poderoso Google.
Mas foi somente a partir da década de 2000 que o mundo viu um avanço acelerado em tecnologia.
Em seus dez primeiros anos, o celular passou a tirar fotos, a Apple lançou o iPhone e as pessoas puderam fazer as primeiras videochamadas. Foi a época em que entramos nas redes sociais, como Orkut e Facebook, além de assistirmos e postamos vídeos no YouTube.
Essa foi a grande década de transformação digital. Depois disso, a partir de 2010, a preocupação era outra. No atendimento, por exemplo, o primeiro desafio dos anos 2000 foi implementar canais digitais que facilitassem o acesso dos clientes às informações, com cada vez menos touchpoints.
Já nessa segunda onda de transformação digital, a questão é tornar o processo mais rápido, acessível, eficiente e com menos custos para a empresa. Para tanto, foi preciso se debruçar sobre a Inteligência Artificial.
Inteligência Artificial e Machine Learning
Sendo complementar à IA, o Machine Learning traz a capacidade de aprimorar o atendimento ao cliente.
Isso, porque empresas saíram do cenário onde havia um chatbot virtual, por exemplo, que respondia perguntas com respostas listadas em banco, para um tipo de tecnologia que permitia que esse robô pudesse aprender a cada vez que atendia,
Isso quer dizer que quando ele não tem a capacidade de responder a uma pergunta, ele sugere outras opções, até que a correta seja apresentada. Nos próximos atendimentos, ele consegue entregar com mais assertividade a resposta certa.
Esse processo pode ocorrer de vários jeitos diferentes, como a avaliação de quantas vezes e por quais motivos os clientes estão sendo direcionados ao atendimento humano. Desse modo, é identificada uma nova oportunidade de aprendizado para o robô.
Analisando feedbacks de clientes e colaboradores, além de atendimentos bem-sucedidos, o sistema é capaz de aprender e oferecer:
- disponibilidade 24/7;
- personalização ao falar com o consumidor;
- atendimento humanizado;
- rapidez;
- menos touchpoints;
- custos reduzidos para a empresa.
O resultado? Uma experiência do cliente mais satisfatória. Afinal, estamos falando de consumidores de gerações diferentes, mas muito mais atentos e críticos; também sujeitos a um volume maior de propaganda e, portanto, imediatistas. Ou seja, que exigem o melhor atendimento e resolução de problemas instantaneamente.
O Machine Learning e as outras tecnologias
Para otimizar a experiência do cliente, cada vez mais as empresas adotam o autoatendimento e os robôs. É aí que o Machine Learning pode fazer toda a diferença.
De forma geral, esse aprendizado da máquina pode ser dar de algumas formas:
- supervisionado por um programador, que oferece exemplos para criar um padrão de reconhecimento;
- independente, no qual o sistema faz suas próprias associações, com base em uma análise de dados;
- com uma combinação entre aprendizagem supervisionada e não supervisionada;
- por meio de reforço, no qual o sistema recebe feedbacks positivos e negativos mediante as combinações que faz.
Diante dessas possibilidades, os sistemas tornam-se mais precisos, ajudando o funcionamento de outras tecnologias, às quais está associado.
Chatbots e agentes virtuais
No caso dos chatbots e agentes virtuais, é o Machine Learning que permite o processamento da linguagem.
Ou seja, para os bots, esse processo permite que os robôs entendam uma mensagem de texto ou voz do consumidor e apresentem, como resultado, opções para seguir o atendimento.
Já no caso dos agentes e assistentes virtuais, é essa tecnologia que permite a Siri e a Cortana — Apple e Windows respectivamente:
- responder como se fosse uma pessoa real;
- entender as solicitações;
- apresentar resultados corretos;
- aprender com os hábitos do usuário.
Robotic Process Automation
Sabemos que com o RPA podemos garantir agilidade no cotidiano de uma organização. Com a automação robótica de processos, muitas tarefas repetitivas são feitas automaticamente — respostas automáticas podem ser enviadas e é possível comunicar-se com outros sistemas.
Já no atendimento, é essa tecnologia que permite implantar bots para executar processos simples. Por exemplo, apresentar um menu de opções e direcionar o cliente para o próximo passo. Com isso, é possível reduzir os custos com colaboradores da empresa.
Em sua combinação com o Machine Learning, o sistema poderia ser capaz de melhores resultados. No exemplo, com base na mensagem inicial da pessoa, seria possível identificar que o problema não corresponde às opções do menu, rapidamente direcionando-a a um atendente humano.
Atendimento humano
No atendimento humano, o uso de Machine Learning permitiu um grande avanço no cotidiano. Essa tecnologia ajuda os atendentes a reconhecerem quem é o cliente. Assim, é possível acessar rapidamente dados como seu histórico e a solução do seu problema. Esse é mais um fator que contribui para a redução da fila de espera.
Dessa forma, o atendimento é mais rápido e com melhor rapport, pois identifica-se logo no início o perfil do consumidor e as possibilidades de ele ter feito contato. Por exemplo, vendo que ele realizou uma compra, cujo produto ainda não foi enviado, pode se preparar para uma reclamação e tomar medidas como dar seguimento ao envio, cancelamento da compra ou informar um novo prazo.
Processos gerenciais
Nos processos gerenciais, o Machine Learning foi um grande avanço. Além de permitir a integração entre plataformas, essa tecnologia é fundamental para a tomada de decisões.
Ou seja, no cenário do Big Data, é possível classificar os dados e suprir sistemas, como o CRM. A partir disso, a empresa saberá quem é seu cliente e como se comporta, podendo ter insights preditivos.
Os recursos que podem aperfeiçoar o aprendizado de máquina
A análise de dados combinada com certos recursos pode criar um suporte estruturado para que ocorra o Machine Learning. O sistema aprende melhor e de forma mais apurada e confiável. Afinal, terá dados precisos e reais, interpretados da forma correta e automática.
Avaliação de satisfação do cliente
O feedback do cliente é um dos dados mais preciosos que uma empresa pode ter para compreender seu público e saber como lidar com ele.
Para que isso ocorra, o Machine Learning precisa coletar e analisar esses dados para obter resultados sobre o nível de satisfação do consumidor.
O processo ocorre por meio de texto, sendo que a tecnologia deve ser usada para compreender o que foi escrito, ou seja, se é uma devolutiva positiva ou negativa; bem como captar insights de sugestões ou erros apontados.
Nesse caso, existem várias formas de avaliar a satisfação do cliente, sendo necessário, primeiramente, engajá-lo a dar essa resposta. É possível, ao final de um chat, usar um bot para que o cliente avalie a conversa por meio de estrelas ou emojis correspondendo a algumas emoções.
Embora rápido, esse sistema é muito generalizado. Sendo assim, investir em conseguir um feedback mais completo, apesar de desafiador, é uma alternativa mais acertada.
Dados sobre o atendimento
Outro recurso importante para melhorar o Machine Learning é avaliar o que ocorreu nos atendimentos. Por exemplo:
- quais opções de dúvidas ou serviços foram mais acessadas no chatbot;
- quantas vezes o atendimento foi direcionado para o atendente humano;
- qual é a frequência de abandono do suporte;
- por que os clientes foram transferidos para o atendimento tradicional.
Ou seja, cada dado que puder ser obtido é importante para tentar criar um padrão entre os clientes. Assim, é possível identificar o que funciona ou não, seja no atendimento digital ou humano.
Speech Analytics
Usar o Speech Analytics é uma boa forma de se obter dados e estruturar melhor o seu sistema de atendimento, promovendo a satisfação do cliente e treinando melhor seus colaboradores.
Funcionando em tempo real, essa ferramenta é bastante importante, pois pode analisar a voz do consumidor e do atendente durante a chamada. Assim, é possível:
- captar emoções;
- detectar a linguagem usada;
- selecionar palavras-chave;
- identificar padrões no atendimento;
- medir o tempo da conversa;
- mensurar a eficiência do chamado.
Aprendizado por reforço
Como visto, uma das formas que as máquinas aprendem é pelo reforço. Ou seja, recebendo feedbacks de erros e acertos, o sistema aprende o que é correto. A partir disso, poderá apresentar respostas melhores aos clientes, qualificar mensagens e interpretá-las com o significado esperado.
Deep Learning
O Deep Learning pode ser considerado a próxima fase do Machine Learning, possibilitando pôr em prática muitos dos seus projetos.
Ele consiste em usar algoritmos ainda mais complexos, chamados de redes neurais artificiais. Essas redes, baseadas na própria estrutura do cérebro, buscam um aprendizado em camadas mais profundas, tornando o sistema mais inteligente e preciso.
Por exemplo, segundo a Exame em uma reportagem de 2011, o uso de data warehouse e sua análise por IA, foi capaz de identificar padrões incomuns em diversas empresas; o que as levou a aplicar novos insights na venda de produtos e no tratamento com os clientes.
Um dos casos retratados foi de uma empresa de telefonia nos EUA. A partir dos dados armazenados, ela detectou que quatro de seus grandes clientes correspondiam a mais da metade das chamadas de manutenção do sistema. Além disso, um estava prestes a abandonar o serviço.
Com isso, foi possível fazer os reparos na rede e trabalhar o relacionamento com o cliente, convencendo-o a ficar na empresa e evitando a perda de milhões de dólares por ano.
Os cuidados antes de implementar o Machine Learning
Para que o Machine Learning funcione, uma empresa deve entender primeiro a aplicação do atendimento digital. É preciso, então, considerar a sua abrangência e funcionalidade mediante as necessidades do cliente.
Veja, a seguir, os principais fatores que devem ser avaliados para implementação dessa tecnologia!
Processo de atendimento
Um importante ponto a ser considerado é a própria experiência. Nesse sentido, o processo de atendimento pelo qual o consumidor passa deve estar alinhado e integrado, para que ele possa ir de um canal a outro.
Assim, passando por todas as etapas, é possível enxergar o atendimento digital e humanizado como um todo, compreendendo suas falhas e pontos positivos.
Com esses dois aspectos definidos e funcionais, é possível investir no Machine Learning, pois haverá dados suficientes e um workflow estruturado para que o sistema possa analisar.
Implantação profissional
Implantar o Machine Learning não é algo simples. Por isso, a empresa precisa contar com profissionais ou empresas parceiras que entendam do ramo. Dessa forma, é possível garantir, além da operação, a manutenção e a atualização do sistema, além do correto acompanhamento.
Adoção da tecnologia pela empresa
O uso de Inteligência Artificial e, mais precisamente, Machine Learning em uma empresa, deve fazer parte de sua cultura. Ou seja, não é possível adotar essa tecnologia sem que as pessoas mais importantes estejam de acordo. Além disso, é necessário estruturar e arquitetar os dados da empresa, para que haja uma boa qualidade interação entre as novas tecnologias.
Isso porque ela envolverá o futuro da organização e o dia a dia dos funcionários. Dessa forma, esse é um ponto especial a ser cuidado, pois pode encontrar barreiras.
Uma delas é que algumas pessoas veem o uso do Machine Learning como algo desnecessário. Outras, como os funcionários, temem por suas posições de trabalho.
Nesse caso, o futuro é incerto. Ao mesmo tempo em que algumas funções podem deixar de existir, a IA abre um grande caminho para novas profissões, voltadas para a tecnologia, relacionamento e estratégia. Sendo assim, o que as empresas devem optar por fazer agora é repensar funções e capacitar os colaboradores.
Por exemplo, quando se usa chatbots, os custos diminuem e os atendimentos humanos são direcionados para a resolução de questões mais complexas. Com isso, o colaborador não fica sobrecarregado e pode usar suas habilidades no que é mais importante, em vez de gastar energia em tarefas repetitivas.
Uso de bons dados
O Machine Learning não funcionará, se os dados obtidos para o aprendizado não forem de qualidade. Por isso, é preciso aplicar um bom atendimento virtual, capaz de captar dados das experiências dos usuários e receber feedbacks, gerando um banco satisfatório para o sistema aprender.
Outro ponto importante é integrar os dados com os diversos sistemas da empresa, para que sejam direcionados e classificados da forma correta. Há, ainda, o aspecto da segurança, especialmente em relação ao uso dos dados dos clientes.
O WhatsApp, por exemplo, por uma mudança em suas regras de privacidade, passou por uma significativa perda de usuários. Dessa forma, é preciso garantir que os dados estejam protegidos contra ataques cibernéticos, ao mesmo tempo em que o sistema possa usá-los para aprender com eles.
Diante de um público tão exigente, é preciso ser bem transparente quanto ao uso dos dados dos clientes e informações conferidas no atendimento. Dessa maneira, é preciso que o cliente possa acessá-las, se quiser.
Criação de um sistema ético
Ao usar o Machine Learning para criar um sistema capaz de interagir com eficiência com os clientes, é preciso um grande cuidado. Afinal, se falamos de uma tecnologia que pode aprender sozinha, há risco de que algo possa sair do controle.
Foi o que aconteceu com o robô Tay, em 2016. Experiência da Microsoft para replicar a linguagem adolescente no Twitter, o robô recebeu diversas mensagens com palavrões e comentários racistas.
Fazendo a análise das palavras e linguagem, a tecnologia aprendeu e aplicou os mesmos usos nas postagens do próprio robô, gerando polêmicas por seus conteúdos ofensivos.
Diante disso, é preciso que a empresa estabeleça um padrão de linguagem para impedir que seus bots executem ações incorretas, com base no aprendizado errôneo e banco de dados com mensagens mal-intencionadas.
Os pontos de atenção em atendimentos virtuais
O Machine Learning pode ser usados no segmento de atendimento de diversos tipos de empresa. Porém, é preciso ter em mente se ele atende plenamente o público do negócio. Veja alguns pontos de atenção para os atendimentos virtuais!
Compreenda quem é o seu público
Vivemos em um mundo digital, no qual a geração Z acabou dando novo significado ao posicionamento das empresas, inclusive no atendimento. Porém, é preciso lembrar que não só a geração Z integra o seu público-alvo.
Pessoas de gerações anteriores, especialmente as nascidas antes de 1980, podem se ver perdidas com tanta tecnologia. Embora muitas também estejam no ambiente online, algumas têm comportamentos diferentes, por exemplo:
- não seguindo tendências;
- usando apenas um aplicativo de mensagens;
- estando fora das redes sociais ou da maioria delas;
- não interagindo com robôs ou comprando online.
Dessa forma, a abordagem deve ser outra. No caso do chatbot, a tecnologia deve apresentar soluções precisas e fáceis de seguir, para que o consumidor faça seu atendimento autônomo. Caso não consiga, o atendimento humano deve ser logo iniciado, para evitar a frustração dos clientes.
É importante também estar presente em diversos canais. Afinal, por uma questão de hábito, pode ser que os clientes mais velhos prefiram o atendimento tradicional, pelo telefone. Já os clientes mais novos, tendem a sequer usá-los, preferindo chats e redes sociais.
Não abra mão do que você já tem
Adotar o atendimento virtual não significa acabar com a equipe inteira do call center. Pelo contrário, entendendo bem os resultados obtidos com a adoção desse sistema, você pode redirecionar as pessoas para outros atendimentos prioritários e funções.
Isso é importante, pois a capacidade de compreensão humana em assuntos complexos não foi substituída pelo Machine Learning. Inclusive, algumas pessoas continuam preferindo o atendimento por pessoas.
Utilize os seus dados
Os dados que você já tem na empresa poderão informar a necessidade do atendimento virtual ou a forma de implantá-lo.
Por exemplo, se a organização é um comércio online e a maioria dos contatos se refere a solicitações básicas, como rastreamento de pedido ou emissão de boleto, é possível implantar bots para automatizar o processo.
Eles também podem atuar antecipando esse pedido do cliente. Ou seja, enviando a informação antes por meio do canal fornecido, bem como um lembrete de pagamento, a fim de diminuir a possibilidade de inadimplência.
Treine seus colaboradores
O cuidado em treinar os colaboradores é essencial para o atendimento virtual. Afinal, é preciso que essas pessoas entendam não só o uso dessa tecnologia, mas também por que ela será adotada. Sendo assim, invista em:
- explicar as mudanças incorporadas pela empresa;
- mostrar resultados;
- detalhar como o agente virtual ou robô impactará no trabalho;
- ensinar os tipos de dados que a equipe vai receber e o que fazer com eles.
O diferencial da AeC na aplicação de Machine Learning
Adotar o Machine Learning não é possível sem a estrutura e o apoio de quem entende. Por isso, é essencial contar empresas como a AeC, com seus quase 30 anos de experiência no mercado.
Atuando no segmento de relacionamento com clientes e outsourcing de processos de negócio (BPO), a AeC prioriza o atendimento personalizado, eficiente e humanizado, encantando os seus clientes.
Presente em 17 unidades pelo Brasil e com mais de 100 clientes, a AeC é especializada em:
- integrar tecnologias;
- implantar Speech Analytics;
- focar em atendimento humanizado.
A partir dessa parceria, você pode se beneficiar com soluções desenhadas especialmente para o seu negócio, contemplando:
- home office – do recrutamento à capacitação de talentos, assim como a gestão das tecnologias e dados (de acordo com a LGPD);
- cobrança – com estrutura ampla de bots e mídias sociais para reter crédito;
- televendas – focada em conversão eficiente e retenção de clientes;
- serviços digitais – para oferecer mais estrutura ao seu projeto de atendimento virtual;
- SAC digital e tradicional – para que sua empresa atenda todos os tipos de clientes, da forma que ele espera;
- Back Office – automatização e integração de processos para otimizar o workflow de atendimento na sua empresa.
O Machine Learning já é parte do presente. Como parte da Inteligência Artificial, a adoção desse conceito para atingir melhores resultados tem sido cada vez mais frequente. Afinal, com ela é possível buscar soluções inovadoras, com base em seu próprio banco de dados.
Para aplicá-la, é preciso ter alguns cuidados, como compreender as preferências de atendimento pelos seus clientes e encontrar a melhor parceria para implementar a inovação com qualidade, a fim de entregar a melhor experiência para o seu consumidor.
Gostou do artigo e quer saber mais sobre atendimento virtual? Acompanhe a AeC no Linkedin!