Translated into Portuguese by Felipe Toledo,  Consulting Manager & Digital Strategist BIP Brasil, and Las Casas Juan, Manager BIP Brasil.

Avaliar e mensurar a experiência de um cliente em uma empresa não é fácil. Encontrar uma métrica de avaliação que seja objetiva para mensurar a qualidade da Experiência do Cliente é impossível, porém, é possível definir indicadores que oferecem uma estimativa aproximada.

Se uma abordagem totalmente quantitativa para medir a Experiência do Cliente não é alcançável, então uma abordagem totalmente qualitativa seria igualmente inatingível. Portanto, é preferível adotar uma abordagem híbrida: qualitativa-quantitativa, derivada das ciências sociais, utilizada usualmente para a análise de muitos fenômenos complexos.

Tradicionalmente é realizada uma avaliação parcial de alguns momentos críticos da Jornada do Cliente, que surgem de atividades baseadas em pesquisa. A verdadeira força de um método como este é a capacidade de estimar a qualidade da experiência, interpretar comportamentos e entender as suas causas, para que ações relevantes possam ser tomadas para os clientes finais e suas experiências.

O método qualitativo-quantitativo utilizado atualmente é cientificamente válido, oferece soluções eficazes, porém foca apenas no grupo de clientes que foram analisados, e esta é a sua grande limitação.

Mapeando as Jornadas do Cliente: Uma abordagem data-driven usada na Experiência do Cliente (Customer Experience)

Para superar os limites ao medir a Experiência do Cliente, as empresas podem utilizar uma abordagem data-driven, empregando Mineração de Dados e Aprendizado de Máquina (Data Mining & Machine Learning). A proposta inovadora desenvolvida pela BIP, permite uma nova abordagem para mapear a Experiência do Cliente e correlacioná-la com os KPIs corporativos em uma lógica data-driven, por meio da coleta e análise de dados captados nas interações entre clientes e os pontos de contato corporativos.

Esses “pontos de rastreamento” , presentes nos sistemas de informação da empresa, podem ser processados através do uso de Algoritmos de Mineração de Processos (Process Mining Algorithms) que serão representados por meio de fluxogramas, dando uma imagem completa e nítida do mapa de eventos que ocorreram durante a interação com a empresa, em todas as principais Jornadas do Cliente, fornecendo também KPIs operacionais simples (tempos de cruzamento, durações de eventos, repetições, …).

Começando pelos KPIs operacionais simples, é possível construir KPIs operacionais mais complexos e criar um monitoramento completo e controle de fluxo de processos. Com os KPIs operacionais, finalmente, define-se a correlação e a casualidade deles, com os principais KPIs de interesse da empresa.

Quanto maior a variedade, o número de interações, e a diversificação dos padrões comportamentais dos clientes, mais complexa é a Jornada do Cliente, e mais vantajosa é a aplicação da nossa metodologia.

Uma abordagem combinada de avaliação e análise de dados.

Todos os processos de interação cliente-empresa possuem pontos cegos (blind spots) que os dados não conseguem detectar: essa é a limitação da abordagem data-driven. A inovação da abordagem mesclada entre as pesquisas tradicionais e a abordagem data-driven permite a superação das limitações das duas abordagens, possibilitando o monitoramento de um grande número de usuários e a verticalização de avaliações em áreas limitadas. A pesquisa é orientada pelas áreas onde os dados sugerem que uma investigação seja realizada: aqueles de maior valor para a empresa ou aqueles que os dados não conseguem descrever.

Com a combinação das abordagens, é possível aproveitar o que ambas têm de melhor: um total conhecimento de toda a Jornada do Cliente, eliminando aspectos da arbitrariedade ligada aos métodos tradicionais, e permitindo uma única intervenção, exclusivamente nas Jornadas dos Clientes bem mapeadas.

Para obter mais informações, consulte este Insight sobre o método Monitoramento de Experiência (Experience Monitoring) publicado pelos nossos colegas de Sketchin.

Mineração de experiência: extraindo experiencia de dados

A estrutura da BIP usada para mapear a Experiência do Cliente (Customer Experience) parte da coleta de “rastros” deixados pelos usuários nos sistemas, durante a interação com os diferentes pontos de contato físicos ou digitais: contatos diretos – ligações para a central de atendimento ao cliente, visitas ao site/aplicativo, chat, serviços ativados ou desativados, produtos comprados, promoções ativas, comunicações ativas da empresa (por exemplo, DEM, e-mail, …), contatos por canal físico, como visitas na loja, pesquisas/pesquisas CX (por exemplo . NPS, C-SAT, CES, …), etc.

Esses eventos podem ser rastreados até cada indivíduo, conectando os identificadores únicos que caracterizam as interações nos vários sistemas de dados envolvidos. Esses dados, muitas vezes, residem em diferentes sistemas de informação, gerenciados em “silos” de armazenamento, pelos diferentes departamentos da empresa e, portanto, requerem ações de pré-processamento e limpeza para serem vinculados como informações de eventos relacionados ao mesmo usuário.

Uma vez que os dados foram conectados e retornados ao cliente ou a um cliente em potencial, a fase de reconstrução do fluxo de atividades começa a usar de Process Mining, que possibilita uma série de funções de análises. As mais relevantes são:

• representar graficamente o fluxograma do processo de interação cliente-empresa, os chamados “histórico dos usuários”, destacando todas as variações possíveis do percurso;
• definir e medir quantitativamente os KPIs dos processos do cliente;
• analisar o desempenho de KPIs específicos e correlacionar esses KPIs com as métricas dos padrões de Satisfação do Cliente medidas ao longo do processo;
• definir processos e painéis de controle de representação gráfica do KPI;
• filtrar o processo por eventos e atributos de interesse, permitindo identificar comportamentos distorcidos;
• realizar análises das raízes das causas dos eventos de interesse para identificar os fatores desencadeantes e se os principais eventos têm um alto impacto, tanto positivo quanto negativo, nos KPIs de interesse.

A complexidade da fase de mapeamento usando o método de Process Mining consiste em gerenciar uma grande multiplicidade de “caminhos únicos” realizados pelos usuários no processo de interação. Para resolver este problema, a BIP criou um módulo próprio de Machine Learning capaz de realizar um “agrupamento comportamental” nas cadeias de eventos que caracterizam a sequência de interações entre os usuários e a empresa.  Resumindo, o algoritmo da BIP detecta grupos de usuários que se comportam e interagem com pontos de contato corporativos de maneira semelhante (por exemplo, quem pede os mesmos tipos de informações, por meio de canais semelhantes, …).

Esses segmentos baseados em clientes são os fundamentos para a construção de Perfis do Cliente: personagens fictícios e arquetípicos que incorporam o comportamento, hábitos, necessidades e expectativas de um segmento específico de usuários reais. Essa categorização também é usada como um componente de informação adicional para definir KPIs específicos para medir a Experiência do Cliente, que podem ser diferenciados de acordo com o modelo comportamental. A avaliação tradicional da Experiência do Cliente começa a partir deste ponto: Perfis são a chave para entender as motivações e causas subjacentes do comportamento do usuário.

O passo final é a integração desta ferramenta com os sistemas de informação da empresa, permitindo assim que a empresa seja equipada com um sistema de monitoramento da Experiência do Cliente alimentado com dados constantemente atualizados de forma que ative um processo interativo e contínuo de medição, implementação de medidas corretivas direcionadas e orientadas por evidências quantitativas e, por fim, monitorar sua eficácia. 

Por que a BIP?

A estrutura do Experience Mining tem sido usada com sucesso em diferentes ramos, para a análise de diferentes Jornadas do Cliente. Na verdade, a abordagem não é focada em empresas ou processos específicos, podendo ser usada em qualquer área e etapa da Jornada dos clientes de uma empresa.

Apresentaremos agora dois exemplos da aplicação do método para descrever suas características de forma prática.

Por que os clientes registram reclamações sobre as contas de água, luz e gás?

A metodologia de Mineração de Experiência (Mining Experience) da BIP foi usada por uma grande Companhia italiana para investigar a Experiência do Cliente relacionado ao processo de gestão de pedidos de informação e reclamações comerciais pós-faturamento no campo da distribuição de água e venda de eletricidade e gás.

O algoritmo de agrupamento comportamental da BIP permitiu segmentar as Histórias dos usuários, com a perspicácia de uma pesquisa qualitativa, em 6 macro agrupamentos correspondentes ao mesmo número de Perfis do Cliente com características diferentes. Isto permitiu automaticamente simplificar o estudo de toda a Base dos clientes monitorada, permitindo focar apenas nestes grupos que representam os comportamentos mais relevantes entre todos os usuários envolvidos, ao invés de 180.000 “históricos dos usuários”.

As evidências relativas a cada um dos perfis selecionados operadas através do cálculo dos KPIs específicos, permitiram definir rapidamente ações para melhorar a Experiência do consumidor:

• Taxa de repetição de pedidos de informação: os clientes que mais registraram reclamações são aqueles com maior índice de reiteração de pedidos de informação sobre o mesmo problema, evidenciando a necessidade de criar caminhos de suporte HOC para este tipo de assunto.
• Canal principal para a gestão de pedidos de informação e resolução de pedidos de esclarecimento de faturas: o canal mais eficaz em gestão de problemas foi identificado para cada grupo de usuários e para os encaminhar para este canal foram desenvolvidas estratégias.

Os “quick-wins” implementados resultaram numa diminuição da taxa média de reclamações nas partes mais problemáticas da Base de Clientes.

Por que os clientes estão abandonando os serviços de telecomunicações

No Brasil, a BIP ajudou uma importante operadora de telecomunicações a construir uma fábrica de Experience Mining a fim de aprimorar seus recursos de mapeamento da Jornada do cliente e a análise de seus comportamentos. Até então, as equipes de análise da empresa tinham que lidar com fontes de dados numerosos e complexos, exigindo muitos esforços manuais para combiná-los e consolidá-los, para que pudessem gerar “insights” relevantes. O processamento e a representação manual de dados também fizeram com que a compreensão do Percurso do Cliente (ou seja, analisar sequências de eventos diferentes/interações em uma linha do tempo) ficasse tremendamente difícil.

Nesse sentido, a implantação do Experience Mining trouxe consigo os seguintes objetivos:

• Facilitar a agregação de dados em vários sistemas de origem (CRM, canais digitais, faturamento, plataformas de rede etc.)
• Fornecer recursos analíticos avançados para obter “insights” com base nos Percursos dos Clientes

Em termos de metodologia, o BIP implementou uma Fábrica de XMining (XMining Factory) usando um método ágil para que pudesse entregar estudos/ferramentas analíticas específicas mensalmente. O proprietário do produto, definido pelo lado do cliente, era responsável por reunir tópicos importantes e necessidades de análise internamente (conselhos de diretores de pesquisa, outras áreas de negócios etc.), construindo e priorizando o acúmulo (backlog) da fábrica.

Dentre os diversos casos de uso atendidos pela fábrica, vale citar:

• Um módulo de análise das causas – raízes de abandono (churn root-cause), entender melhor quais tipos de variáveis (incluindo o próprio percurso do cliente ou até mesmo eventos específicos do percurso) podem afetar o índice de abandono (churn rate). A ferramenta agrega quase 20 fontes de dados diferentes e 500 variáveis, fornecendo uma interface acessível para testar e observar as correlações entre as variáveis e a taxa de abandono. Com este módulo, o BIP conseguiu identificar um conjunto de cenários bem específicos de abandono da parte do cliente, com base no seu perfil, perfil de consumo e percurso, facilitando a definição de um plano de ação.
• Um estudo sobre Promotores vs Detratores, a identificação de quais tipos de percursos tomados pelos clientes (ou eventos específicos desses percursos) estava afetando positiva e negativamente a pontuação geral do “NPS”.

A metodologia de Experience Mining está disponível agora no ecossistema Celonis EMS. Confira na Loja Celonis EMS (Celonis EMS Store) para saber mais sobre como nossos clientes estão melhorando a experiência de seus clientes com a metodologia de Experience Mining da BIP!