Um guia de Análise de Feedback aplicada ao Product Management

Como as empresas podem aplicar ferramentas de Análise de Feedback no Product Management para entender melhor as necessidades dos clientes?

Não importa a indústria, as empresas enfrentam um cenário de vendas e marketing incrivelmente complexo, com os consumidores usando múltiplos pontos de contato para se informar, engajar e comprar produtos — sejam eles digitais ou físicos, B2B ou B2C. Eles têm uma coisa em comum: os canais aos quais recorrem para comprar seus produtos são, em sua maioria, digitais, e quase todo consumidor toma uma decisão depois de analisar o que outras pessoas estão dizendo e de interagir com uma marca — como referência, 94% dos usuários hoje leem reviews antes de decidir comprar.

Como consequência dessa jornada, os dados estão sendo gerados a uma velocidade incrível e a sua importância está crescendo. Embora obter acesso ao que os consumidores estão dizendo não seja mais tão difícil, encontrar tempo para ler, analisar, entender e categorizar esses dados é quase impossível — especialmente quando as empresas tentam fazer isso com conteúdo de múltiplas fontes de dados. É exatamente aí que entra o text analytics aplicado às opiniões dos clientes — ou análise de feedback.

O que é Análise de Feedback e por que você deveria se importar com isso?

A Análise de Feedback é a aplicação de Text Analytics ao feedback qualitativo do usuário. Text Analytics é o processo de interpretar e categorizar conteúdo, extraindo contexto das palavras. Esse processo envolve a extração e classificação automática de informação escrita de acordo com aspectos relevantes de uma situação específica. Ele pode ser aplicado a várias áreas diferentes, de contratos a vendas e marketing, e alguns dos tipos tradicionais de análise de texto incluem análise de sentimento e detecção de palavras-chave ou tópicos.

Em um contexto de Product Management, o Text Analytics pode ser aplicado a qualquer dado qualitativo do usuário, principalmente feedback do usuário, de conteúdo gerado pelo consumidor, como tickets de suporte, comentários sociais e conversas, a dados de entrevistas com usuários e pesquisas. A partir daí, uma empresa pode descobrir padrões que destacam comportamentos e atributos ou prever tendências e usar esses insights em diferentes estágios do Processo de Product Management, do Product Discovery ao Delivery.

Esse tipo de análise pode ser feito manualmente, desde que um processo seja estabelecido, mas se torna extremamente complicado de fazer quando subconjuntos maiores de dados são incluídos, especialmente de diferentes estruturas e tipos. Reservar tempo para olhar cada texto em detalhe e relacioná-lo ao contexto até encontrar padrões se torna ineficiente e suscetível a erros.

Portanto, o Text Analytics como é conhecido hoje se tornou fundamental — considerando que 2,5 quintilhões de bytes são gerados todos os dias de múltiplas fontes dentro e fora das organizações — para extrair significado do conteúdo de forma escalável, usando text mining e NLP (Natural Language Processing, processamento de linguagem natural) para encontrar contexto em enormes quantidades de texto.

Empresas que não aproveitam a Análise de Feedback nos seus processos de Desenvolvimento de Produto vão deixar dados inexplorados de lado, perdendo insights relevantes não só sobre o que os seus clientes atuais pensam delas, mas também sobre como isso está impactando outros consumidores. Elas também vão perder a chance de descobrir o que poderiam fazer diferente para mitigar problemas futuros e potencializar os bons aspectos da marca, ao mesmo tempo reduzindo o impacto dos aspectos ruins.

Como escolher a ferramenta de Análise de Feedback certa para Product Management — e tirar o melhor dela

Existem várias ferramentas de Análise de Feedback e é importante saber como diferenciar uma da outra considerando o seu caso de uso. Muitas das soluções disponíveis no mercado são ferramentas de propósito geral que precisam ser configuradas adequadamente para te dar a informação e a granularidade que você quer. Então, a primeira coisa que você deve considerar é quais são os seus objetivos com a Análise de Feedback e quais insights e padrões específicos você espera descobrir — já que o seu uso pode ser muito diferente dependendo de você estar em Product Management, Marketing ou Customer Experience.

Para manter o exemplo dentro do espaço de Product Management, vamos considerar que você quer estruturar dados de opiniões de consumidores (escritas em linguagem natural) que vêm de diferentes fontes. Há algumas coisas importantes que você precisa saber antes de escolher a ferramenta correta, como:

1. A capacidade pronta para uso (out-of-the-box) de extrair metadados das opiniões

Extrair palavras-chave de conversas é a funcionalidade básica de uma ferramenta de Text Analytics. Conectar cada uma dessas palavras-chave a aspectos de negócio relevantes que façam sentido para a realidade da sua empresa é um pouco mais complicado. Embora algumas ferramentas ainda consigam entregar alguns metadados relevantes usando queries e tópicos, ainda resta muito trabalho manual para relacioná-los ao seu negócio. E é aí que ter essa capacidade pronta para uso pode ser crucial para te poupar tempo e garantir que você extraia valor da ferramenta.

Sobre o que é

Qual é a sua opinião sobre isso? É a empresa inteira, um produto específico, um lugar, uma experiência ou um serviço? Isso é importante porque a sua análise precisa ser segmentada o suficiente para te dar a capacidade de filtrar aquelas opiniões que não são o seu foco agora. Segmentações erradas podem te dar informação, conclusão e ações erradas.

Se você quer saber sobre aspectos relacionados ao seu produto, por exemplo, uma segmentação granular de usuários é importante para você saber exatamente sobre qual versão do produto o consumidor está dando a sua opinião. Você pode considerar ferramentas que te permitam extrair e organizar a informação com granularidade, idealmente separando-a de acordo com diferentes aspectos — o produto, a experiência e outros.

Outros metadados importantes:

Vários outros metadados podem ser usados para segmentar, filtrar, classificar e, finalmente, refinar melhor a sua análise. Pense nas necessidades do seu negócio e em que tipo de informação você pode considerar. Estas são algumas ideias:

• O tipo de fonte (ticket de suporte, CRM, NPS, comunidades, redes sociais, …);
• A data em que a opinião foi publicada;
• O idioma em que foi escrita;
• O segmento e o cohort do usuário;
• A geolocalização (quando disponível) do consumidor que publicou a opinião;
• Outros metadados relevantes disponíveis nas suas fontes.

2. A capacidade de extrair detalhes granulares e estruturados sobre a opinião

A maioria das ferramentas de Análise de Feedback consegue extrair palavras-chave importantes (frequentes, em alta e assim por diante) e sentimentos da frase inteira. Mas isso é apenas o comecinho. Você pode considerar configurar as ferramentas de text analytics para um nível mais granular. Veja esta forma de fazer isso:

Primeiro, você precisa considerar diferentes tipos de palavras específicas do domínio (aspectos) a serem buscadas e extraídas da opinião, como:

• Atributos (Eu amo como os compartimentos desta geladeira foram projetados.)
• Jobs (Eu estava tentando fazer upload de um arquivo para conseguir passar para o próximo passo.)
• Personas (Comprei este brinquedo para os meus netos, mas ele não gosta.)

Geralmente chamamos todas essas palavras específicas do domínio de ASPECTOS de uma opinião. Você pode então considerar as medidas tradicionais de frequência, tendência e outras sobre os aspectos para ter um melhor entendimento da opinião, eliminando a maior parte das palavras-lixo que vêm com a abordagem geral de palavras-chave.

Segundo, você deve analisar o sentimento no nível do aspecto em vez do sentimento da frase inteira. Bem, você sabe de forma granular sobre o que o consumidor está falando com a abordagem de aspectos. Mas que julgamento ele está fazendo sobre cada aspecto extraído especificamente? Se você quer esse nível granular, precisa de uma ferramenta que venha com um nível avançado de análise de sentimento baseada em aspectos. Com essa capacidade, para os exemplos acima, a ferramenta deveria conseguir prever os seguintes sentimentos para cada aspecto:

• compartimentos = positivo
• remover pelo de gato = positivo
• netos = negativo

Terceiro — e você pode ignorar esta parte se quiser analisar apenas uma dúzia de aspectos específicos, mas na maioria das vezes esse não é o caso. Uma única categoria de produto pode ter milhares de aspectos diferentes que foram avaliados pelos consumidores. Mesmo que sejam muito melhores que a abordagem tradicional de palavras-chave, ainda pode haver informação demais para um humano analisar.

Organizar esses aspectos de uma forma explorável é uma tarefa importante para fazer uma análise mais rápida e eficaz para o seu negócio. Sugerimos que você construa uma taxonomia específica do domínio para organizar todos os aspectos detalhados e seus sentimentos. A taxonomia precisa agrupar palavras sintéticas diferentes (mas com o mesmo/semelhante significado). Por exemplo: custo, preço, precificação, barato, caro — todas elas estão falando sobre preço.

Uma taxonomia é uma forma hierárquica de organizar as coisas, então você também poderia mesclar diferentes grupos de aspectos e ter, no final, apenas uma dúzia de grupos de alto nível para analisar, nos quais você idealmente pode mergulhar em detalhe sempre que quiser.

Como você provavelmente já percebeu, uma boa Análise de Feedback é toda sobre os detalhes e sobre ser específico. Essa é a razão pela qual construímos um processo complexo com uma análise de alta qualidade e granular que garante que nada seja interpretado de forma errada. A Birdie também escolheu focar na Análise de Feedback de Produto, o que significa que a nossa solução aplica Text Analytics ao Product Management, ao Product Marketing e ao Customer Experience — tudo relacionado ao produto, o que nos permite conectar conteúdo a significado e reduzir o esforço dos nossos clientes. Por fim, a Birdie criou um dashboard fácil de usar que torna os insights mais fáceis de acessar e ativar, garantindo que os nossos clientes possam otimizar o seu tempo e provar o ROI dos Insights de Consumo.

Curioso para ver isso em ação? Entre para a nossa waitlist.