4 Passos para Aproveitar Dados Qualitativos para Melhorar a Satisfação do Cliente e Reduzir o Custo de Suporte

Um pouco mais de um ano atrás, escrevi sobre como usar o feedback do cliente para tomar melhores decisões de produto e melhorar a nossa intuição de produto como Product Managers. Aquele artigo foi a ideia fundamental por trás da Birdie e ainda expressa bem a nossa proposta de valor central de centralizar uma infinidade de fontes de feedback do cliente e usar Inteligência Artificial para extrair facilmente insights desses dados, a fim de ajudar Product Managers, Designers, CX Managers, etc. a escalar o processo de descobrir e entender insights do cliente.

A estrada de uma startup é cheia de altos e baixos, novas descobertas e, mais importante, novos aprendizados, e na Birdie isso não é diferente. Depois de um ano trabalhando lado a lado com dezenas de clientes e design partners e conversando com incontáveis profissionais de produto para entender como ajudá-los melhor, encontramos uma oportunidade interessante que aborda duas métricas muito importantes para quase todas as empresas: satisfação do cliente e custo de suporte.

Era uma vez...

O engraçado por trás dessa história é que, pelo menos para mim, todo esse desejo de ajudar empresas de produto a aproveitar o feedback do cliente começou com exatamente esse problema de aumentar a satisfação do cliente e diminuir os tickets de suporte. Lá em 2018, eu liderava o product management em uma scale-up de SaaS de Marketing Automation e tínhamos o objetivo de aumentar o nosso NPS. Não vou entrar na discussão sobre a validade de usar o NPS como métrica de fidelidade, mas vamos concordar em duas coisas: 1) o NPS nos ajuda a medir e entender a satisfação do cliente e 2) o NPS é um indicador de atraso (lagging indicator). 

Dadas as características da métrica de NPS, usávamos a pesquisa de NPS para entender os problemas macro que os nossos clientes estavam relatando. Então mergulhávamos fundo nos nossos tickets de suporte para entender esses problemas e encontrar oportunidades acionáveis. Por que tickets de suporte? Porque é a forma mais fácil de entender profundamente as questões que os nossos usuários estão enfrentando com o nosso produto. Normalmente, quando um usuário tem dificuldade com algo (se ele não simplesmente desiste), ele faz uma de três coisas: 1) clica pelo produto tentando descobrir como resolver o problema, 2) tenta encontrar materiais educativos como fóruns ou artigos da central de ajuda, ou 3) entra em contato com o suporte. Claro, podemos usar ferramentas para analisar o comportamento do usuário ou o uso da central de ajuda, mas o suporte normalmente é uma mina de ouro de percepções, perguntas e pedidos dos usuários, e é por isso que focamos nessa alternativa.

Ao analisar as interações de suporte, fica mais fácil entender as principais questões que os nossos clientes estão enfrentando, as suas dúvidas e expectativas. Isso nos ajuda a formular hipóteses sobre como corrigir cada problema. Esse nível de granularidade é bastante difícil de obter em pesquisas de satisfação como o NPS. Nesse tipo de pesquisa, normalmente recebemos apenas feedback amplo, como "os seus Dashboards são péssimos" ou, na melhor das hipóteses, algo como "quero mais flexibilidade para criar gráficos". É por isso que a combinação de pesquisas de satisfação e análise de suporte é tão poderosa: em uma fonte, conseguimos entender como cada problema está afetando a satisfação do cliente e, em outra, conseguimos entender por que e como isso está acontecendo. 

Outro efeito colateral interessante dessa abordagem foi que descobrimos uma tonelada de oportunidades de reduzir custos de suporte. Isso ocorre porque os principais esforços do time de CX para minimizar os tickets de suporte focavam mais em automatizar as tarefas dos agentes de suporte, como chat automatizado ou respostas predefinidas, em vez de tratar diretamente a causa-raiz da questão inicial. Sabendo disso, descobrimos muitas novas oportunidades de fazer deflexão de suporte (support deflection), resolvendo a causa-raiz do problema ao melhorar a experiência do usuário e o próprio produto. Ao fazer isso, mesmo que não fosse o objetivo, as nossas métricas de satisfação do cliente começavam a subir. Em outras palavras, é um ganha-ganha: menos custo para a empresa e mais clientes felizes. Que negócio!

Mas, infelizmente, a realidade não é só flores. Embora esse processo faça todo o sentido, operacionalizá-lo era difícil e muito demorado. 6 anos atrás, fazíamos tudo manualmente, dividindo todos os tickets de suporte por escopo de cada Product Manager, lendo cada ticket de suporte, um por um, e classificando-os em temas de problemas do cliente no Google Sheets. Você pode argumentar que, normalmente, os agentes de suporte já fazem algum tipo de classificação. No entanto, na minha experiência, essa classificação é vaga e não ajuda os times de produto a realmente entender o que está acontecendo, e nós desejávamos muito mais detalhes. Era doloroso, mas valeu a pena. Para alguns problemas, conseguimos reduzir 100% dos tickets, e o NPS global aumentou em mais de 20 pontos em menos de um ano. 

Desde então, eu me pergunto se é possível implementar um processo como esse sem todo o esforço manual de analisar pesquisas de satisfação e, especialmente, tickets de suporte. Foi aí que conheci a Birdie, que estava criando um produto nesse mesmo espaço de problema. Nos últimos dois anos, temos trabalhado insanamente para descobrir a melhor forma de entregar aos times de produto uma ferramenta que os ajude a explorar melhor os dados qualitativos. Queremos fazer o feedback do cliente brilhar dentro das empresas de produto e, atualmente, esses dados são, na melhor das hipóteses, tratados como cidadãos de segunda classe. Infelizmente, é tão difícil ter acesso a esse tipo de informação e extrair algo valioso em escala que as pessoas tendem a ignorá-lo. 

A próxima grande coisa

Depois de fazer parceria com muitos Product Operations Managers e CX Managers de algumas das melhores empresas de produto do mundo, começamos a ver o mesmo padrão repetidamente. As empresas querem aumentar a satisfação do cliente, mas não sabem como fazer isso adequadamente. Ao mesmo tempo, estão gastando muito dinheiro com atendimento ao cliente, mas o que acontece dentro desses tickets é um grande ponto cego para os times de produto. Foi o momento em que a metodologia da Birdie, a nossa forma de pensar e de fazer as coisas acontecerem, entrou em campo.

Depois de múltiplas iterações da nossa própria metodologia para ajudar os nossos clientes a aumentar a satisfação e a diminuir os tickets de suporte, finalmente chegamos a um processo simples, mas eficaz, de 4 passos. 

Passo 1: entregar o valor central

O primeiro passo é entregar o nosso valor central na prática, permitindo que os profissionais de produto acessem facilmente todo o feedback do cliente em um único lugar. Juntamos tickets de suporte, pesquisas de NPS, pesquisas de CSAT, reviews de app, fóruns de clientes, etc., e enriquecemos todas essas peças de feedback do cliente com classificações de IA e metadados para viabilizar segmentações poderosas. Ao final desse passo, os nossos clientes conseguem, por exemplo, buscar por um determinado assunto de interesse, ver e quantificar todo o feedback original que menciona esse assunto, analisar tendências, resumir dados para digerir facilmente grandes quantidades de informação e até usar uma interface conversacional para fazer perguntas sobre os seus clientes.

Passo 2: identificar áreas de interesse

O segundo passo é identificar áreas de interesse. Uma área de interesse é um escopo no qual cada time de produto está focado. Pode ser um produto (ex.: Cartão de Crédito), uma funcionalidade (ex.: Extrato), uma jornada do cliente (ex.: Onboarding) ou uma segmentação (ex.: Power Users). Para os passos 1 e 2, normalmente fazemos uma forte parceria com as áreas de Product Operations dentro dos nossos clientes para executar melhor essas fases. Uma vez que identificamos as principais áreas de interesse, podemos associar essas áreas a cada Product Manager, por exemplo, criando uma experiência personalizada para eles e ajudando-os a entender quais são as percepções dos clientes sobre essas áreas. 

Passo 3: gerenciar as questões relacionadas às áreas

Uma vez que criamos as áreas de interesse, o terceiro passo é identificar e gerenciar as questões relacionadas a cada uma dessas áreas que podem se tornar oportunidades de impactar a satisfação do cliente e os tickets de suporte. Para fazer isso, usamos os nossos modelos de IA para analisar e quantificar os problemas dos clientes mencionados na base de dados de feedback. Também podemos estimar o impacto de cada uma dessas oportunidades potenciais para melhorar a satisfação do cliente (normalmente medida por NPS) e reduzir os custos de suporte ao reduzir o número de tickets criados, e não apenas automatizando as respostas do suporte. Cada usuário pode mergulhar fundo nessas oportunidades e analisar linhas de tendência, resumos, quantificações e, claro, ler a voz real do cliente.

Passo 4: priorizar oportunidades

O quarto e último passo é priorizar oportunidades e usar todas as informações disponíveis dentro e fora da Birdie. Podemos acompanhar as oportunidades priorizadas dentro dos nossos dashboards personalizados; ao fazer isso, cada PM consegue acompanhar quase em tempo real o impacto das iniciativas de produto sobre essas oportunidades. Isso simplifica o processo de atribuir o impacto de um aprimoramento específico de produto, voltado a reduzir os tickets de suporte, à métrica geral. É assim que transformamos dados qualitativos em informação acionável; os Product Managers podem usar isso para conduzir melhorias de produto com impacto real de negócio e até como KPIs de negócio. 

Como sabemos, lançar um novo produto ou funcionalidade é apenas o começo. Para cada oportunidade que priorizamos e na qual agimos, provavelmente vamos descobrir novos problemas a resolver e áreas de melhoria. Com isso, esse ciclo de 4 passos recomeça, e podemos identificar novas questões e até novas áreas de interesse. A beleza de todo esse processo é que agora finalmente é fácil realmente ouvir cada um dos nossos clientes, mergulhar fundo para identificar os principais pontos de dor e agir sobre eles. A Inteligência Artificial está aqui para nos ajudar a criar produtos melhores e a melhorar os nossos processos de uma forma que antes era apenas um sonho, e a Birdie está aqui para permitir que as empresas de produto usem facilmente todas essas novas tecnologias e se tornem ainda mais bem-sucedidas.

Plataforma de Feedback Analytics para uma melhor estratégia de product management

A Birdie ajuda empresas product-centric a entender melhor os clientes em escala para criar estratégias de produto que aumentam aquisição, conversão e retenção.

Solicitar demo