A satisfação do cliente com o chat com IA das marcas costuma ficar muito abaixo do esperado. E o cenário que se repete na prática confirma isso.
O cliente explica o problema, o agente não entende o contexto e o cliente solicita um representante humano. Nesse ponto, a frustração já é quase certa, e o próximo passo provavelmente é algo que a marca quer evitar: abandono do carrinho, ligação para o suporte ao cliente ou compra de um concorrente.
A pesquisa da Gartner confirma isso: apenas 27% dos clientes afirmam que tentariam usar um chatbot novamente após uma experiência negativa. Isso dá origem ao que se conhece como o problema do “balde furado”, em que uma única interação malsucedida desencoraja o uso futuro, mesmo quando as capacidades do chatbot evoluem. O problema não apenas dificulta conversões pontuais, mas também pode comprometer a opinião do cliente sobre a marca a longo prazo.
Mas como saber se o agente de chat está funcionando bem? A resposta está nas próprias conversas.
As transcrições de chat são uma mina de ouro de insights.
As experiências de chat geram grandes volumes de dados valiosos, mas esses dados geralmente ficam isolados dos outros comportamentos do cliente em sistemas desconexos e não estão vinculados à identidade do cliente. Os clientes que interagiram com o agente fizeram uma compra ou solicitaram um reembolso? Essas perguntas são difíceis de responder, e juntar as peças exige um trabalho considerável de engenharia de dados. Melhorar as experiências de chat com IA requer feedback atrelado a resultados reais. Sem essa conexão, o ajuste do modelo acontece às cegas.
Adobe Customer Journey Analytics transforma as conversas por chat em insights acionáveis.
O Conversation Insights, agora disponível para todos os clientes do Customer Journey Analytics, usa IA para extrair sinais como tópicos, tom, palavras-chave, intenção e sentimento de conversas de chat não estruturadas e os analisa no contexto de toda a jornada do cliente. Agora é possível ter uma visão completa da experiência de cada cliente, e não apenas uma transcrição isolada.
Esses novos recursos permitem que a equipe meça o ROI dos agentes de chat e identifique onde os modelos precisam de ajustes. Eles respondem a perguntas como "As respostas do agente são úteis?" e "Esses clientes chegaram a converter?" Também ajudam a identificar pontos de atrito e a coletar feedback do cliente para definir as prioridades do roteiro.
Como funciona.
O Conversation Insights assimila dados de chat não estruturados e extrai tópicos, tom e sentimento. Esses sinais se integram aos dados existentes do Customer Journey Analytics, permitindo analisá-los junto com o comportamento do cliente no site e em outros canais. Por exemplo, é possível explorar os tópicos em alta para ver o que os clientes estão discutindo e como essas conversas mudam ao longo do tempo.
Você também pode criar tópicos personalizados e subtópicos (em desenvolvimento) que reflitam como a empresa se comunica sobre os clientes, sem depender de categorias genéricas. Depois, crie segmentos a partir de palavras-chave em prompts e respostas usando correspondência semântica que identifica variações (como “cancelar” e “encerrar assinatura”), ajudando a identificar as conversas mais relevantes.
Com a ferramenta de resumo de conversas, você pode analisar um grupo específico de conversas, como chats com avaliações negativas, e obter um resumo do que elas têm em comum. Também é possível verificar os subtópicos com a proporção de palavras-chave e citações representativas dos clientes.
Além disso, em breve, você poderá ir além dos números abrindo conversas individuais e lendo-as exatamente como o cliente as vivenciou. Veja com precisão onde a experiência falhou e o que o cliente disse logo antes de sair. O sentimento e o feedback do cliente são visualizados para qualquer grupo que você selecionar.
Pronto para começar? Siga o guia passo a passo e comece a analisar as conversas por chat hoje.
