Durante a implementação de alguns chatbots junto ao processo de Gestão do Conhecimento, aprendi muito sobre os robôs e o esforço necessário para criar uma interface "semelhante a uma conversa humana" que possa dar suporte aos clientes com sucesso. Uma boa estratégia de adoção deve primeiro identificar profundamente as necessidades do cliente / usuário, e com esse conhecimento, programar o bot de forma eficaz. Com base em minhas experiências, desenvolvi uma estratégia de implementação de chatbot bem legal em 12 passos, e a divido com você nesse artigo.

Passo 1:  Tenha uma compreensão profunda dos seus clientes

Uma estratégia de bot bem-sucedida deve começar com o desenvolvimento de uma compreensão profunda de seus clientes. Que serviços você oferece hoje? Quais produtos ou serviços geram o maior volume de interações com os clientes? Que tipo de interação requer o apoio da empresa? A maioria das organizações têm dados dos clientes coletados de vários canais, isso geralmente não é problema. Na verdade, a dificuldade é entender esses dados e ser capaz de identificar a experiência do cliente em cada canal.

Normalmente, o suporte gera muitos dados para áreas de tecnologia na empresa, mas esses dados são muito diversos, de várias áreas e personas. Na maioria dos casos, os dados não são estruturados de forma coesa para fornecer insights e nos ajudar a entender com precisão nossos clientes e as interações que realizamos todos os dias, em diversos canais. Mergulhar nos dados e informações do suporte e dos canais de atendimento existentes, o fará entender qual será a melhor abordagem ao projetar o bot. 

A ideia central é introduzir um bot no ambiente dentro da sua estratégia multicanal (omnichannel) atual. O objetivo não é substituir os canais existentes, mas fornecer uma maneira sucinta para os clientes interagirem com sua empresa e obter resultados rápidos e precisos. Além disso, o bot precisará atender seus clientes em seus canais preferidos. Não tente adivinhar onde um bot pode ter sucesso; mas sim, baseie sua estratégia em um entendimento profundo das necessidades do cliente.

Passo 2: Crie uma cultura de IA / GC (inteligência artificial / gestão do conhecimento) e desenvolva as habilidades corretas

O objetivo de implementar um bot deve ser focado no cliente, desenvolvendo resultados que sejam entregues com eficiência. Como resultado, o trabalho repetitivo que normalmente exige uma equipe, pode agora ser movido com sucesso para o canal do bot, onde a equipe humana pode ser usada para trabalho de valor agregado e transações mais complexas. Um bot pode eliminar o trabalho repetitivo, mas os humanos são melhores em fornecer serviços e lidar com exceções. As exceções acontecem quando os clientes, seja em uma situação problemática ou positiva, falam com um humano que pode entender melhor a complexidade do contexto da transação, que pode entregar uma experiência positiva e exceder as expectativas do cliente.

A equipe precisa entender que um bot bem treinado pode ajudá-los a trabalhar em um ambiente mais agradável e menos repetitivo. Sua função evolui do gerenciamento de interações com o cliente, para o uso do bot, que irá ajudar na coleta de informações e no encaminhamento de exceções de maneira rápida ao time humano. A equipe também será essencial para identificar novas intenções e respostas que, quando adicionadas à programação do bot, melhorarão a experiência geral do cliente. Não é sobre apenas filtrar o trabalho repetitivo e empurrá-lo por um novo canal (chatbot). A equipe precisa estar focada na melhoria do aprendizado dos sistemas de Inteligência Artificial (IA), e ter o treinamento necessário para mudar seus processos de trabalho de repetição para novas habilidades e conhecimentos mais profundos. 

Passo 3: defina o propósito do seu bot

O desenvolvimento de um bot é muito mais fácil quando você pode direcioná-lo para uma finalidade específica. Um bot que responde a perguntas técnicas será significativamente mais desafiador do que um bot que pode lidar com transações simples, como uma pergunta e resposta ou atendimento de solicitação. Quanto mais estreito o escopo, maior a probabilidade do bot interagir com os humanos, e com sucesso. Com o tempo, o bot pode ser treinado para fornecer serviços adicionais e resultados mais complexos conforme a organização entende a adoção e os comportamentos do cliente.

O objetivo principal do bot deve ser fornecer consistência nas respostas, prover um ponto de contato adicional e flexível para os clientes, ser responsivo e disponível 24 horas por dia, 7 dias por semana. Uma conversa de bot é muito mais convidativa para os clientes do que usar um site estático, por exemplo. Quando um cliente usa um site, a ferramenta principal é pesquisar e determinar quais informações nos resultados da pesquisa fornecem a resposta correta. Um bot, por outro lado, fornece uma resposta específica e imediata com base na intenção ou pedido do cliente. O objetivo é levar os clientes a um resultado o mais rápido possível, em uma conversa bem planejada. Um escopo específico, neste início, garantirá uma satisfação por parte dos clientes e o desejo de usar a ferramenta novamente.

Passo 4: capture conhecimento nos canais de atendimento e suporte já existentes

Em muitos casos, o conhecimento que você precisa para construir conversas de qualidade com o bot, já existe dentro da área de suporte e atendimento de sua empresa. Reúna dados em vários canais, incluindo transcrições de bate-papos via suporte humano, chamadas telefônicas gravadas e artigos de conhecimento escritos.

Uma excelente oportunidade para o suporte técnico melhorar o bot, é o conhecimento transacional capturado nos processos de atendimento de solicitações e gerenciamento de incidentes, bem como perguntas e respostas gerais. Usando o serviço centrado no conhecimento, concentre-se em capturar o contexto do cliente, que mapeia de perto a intenção e a resposta do analista técnico. 

Essa área de suporte fornece os metadados para melhorar a inteligência do bot e mapear as intenções para as respostas corretas. Se o conhecimento que você capturou hoje é eficaz para clientes em autoatendimento, é ideal usar o mesmo conhecimento para treinar o bot. Embora os dados estruturados sejam geralmente os mais usados, não se esqueça de que o conhecimento não estruturado também pode ser benéfico para a compreensão das intenções dos clientes.

Passo 5: defina as intenções do Cliente com Mapas de Jornada e Casos de Uso

Uma estratégia de bot eficaz deve buscar fornecer uma experiência de cliente bem-sucedida para os casos de uso comuns que estão dentro do escopo definido. No gerenciamento da experiência do cliente, o mapeamento das jornadas do cliente ajuda uma organização a entender como projetar uma experiência geral melhor, e que resulte em maior satisfação do cliente e lealdade. O objetivo não é apenas conseguir resolver as questões usando um bot como canal alternativo, mas também criar uma experiência que encante seus clientes.

Entender as intenções do cliente - a identificação do que um cliente deseja com o nosso suporte (solicitações, incidentes, perguntas) - é crucial para o desenvolvimento de conversas bem-sucedidas, mas também é importantíssimo para ajudar a definir um escopo apropriado para o bot. Desenvolva um subconjunto de intenções para os resultados mais relevantes buscados por seus clientes que fazem sentido entregar a partir de um bot. Não tente apresentar todas as intenções do cliente, mas sim um subconjunto de intenções bem compreendidas e documentadas. Um punhado de casos de uso bem definidos com base em mapas de jornada do cliente, e dados transacionais de suporte e conhecimento será muito mais fácil de projetar e entregar do que tentar mapear todos os cenários. Enfrente os casos de uso mais comuns primeiro e, em seguida, expanda o escopo do bot conforme a organização aprende com a experiência.

Passo 6: escolha a plataforma / arquitetura de tecnologia

Você provavelmente já ouviu isso antes, mas não se concentre na tecnologia no início. O mais importante para a adoção bem-sucedida de um chatbot é entender seus clientes e o tipo de conhecimento que você precisa para atendê-los. Se você não tem um bom portal de autoatendimento hoje, o primeiro passo em sua estratégia de chatbot provavelmente é atacar o que não está funcionando, de forma que você simplesmente não adicione mais uma tecnologia sobre um monte de conhecimento que está obsoleto ou que não funciona.

A plataforma de tecnologia é a menor das suas preocupações. Escolha uma plataforma que faça mais sentido e que possa fornecer a interface de usuário onde seus clientes têm mais probabilidade de usar o bot. A maioria das plataformas de bot fornece integração com canais populares, como Facebook, Slack, seu site e etc. Mas ainda mais crítico na seleção de sua plataforma de bot, são as possíveis integrações que você precisará fazer para atender às solicitações. 

Embora as perguntas frequentes (FAQ) e o conhecimento simples transmitidos aos seus clientes sejam um primeiro passo óbvio na utilização desta nova plataforma, eventualmente, você pode precisar integrar o bot em ferramentas de ITSM ou CRM existentes, onde as informações sobre os clientes são capturadas automaticamente como resultado de um resultado bem-sucedido . No mínimo, você desejará uma plataforma que vá muito além de um diálogo ou interação com base em regras pré-programadas. O uso de inteligência artificial e compreensão da linguagem natural são vitais no aprendizado do bot ao longo do tempo.

Passo 7: defina critérios de medição e controle

Embora o trabalho para desenvolver um bot seja significativo, sua organização também deve desenvolver uma estrutura de medição que inclua medir o sucesso do bot e medir o sucesso da jornada do cliente. Um bot é apenas mais um canal de suporte que deve ser medido por seu sucesso no atendimento. No entanto, o desenvolvimento de um conjunto de KPIs baseados nesse canal específico, por exemplo, é apenas uma indicação parcial de sucesso. Uma estrutura de medição adequada deve se concentrar na compreensão do sucesso da jornada geral do cliente.

Uma importante métrica de bot é a taxa de conclusão, por exemplo. Por outro lado, métricas que são tradicionais em outros canais de atendimento, não servem. Por exemplo, TMA (tempo médio de atendimento), MTTR (Tempo Médio de Resolução), não se aplica a um canal que vai lidar com muitas transações diferentes ao mesmo tempo, ou transações que podem demorar o tempo necessário para que o cliente obtenha o desejado resultado. Rastrear a taxa de resultados bem-sucedidos é um excelente começo para entender o sucesso do cliente.

Outra métrica a ser considerada é a taxa de rejeição ou taxa de fallout. Essa métrica rastreia a frequência com que um cliente foge de uma conversa com o chatbot para usar outro canal, ou o cliente é movido para um caminho de exceção onde a intervenção humana é necessária. Para entender a adoção do cliente, outra métrica a ser considerada é a taxa de reutilização ou a frequência com que um cliente volta a usar o bot após um resultado bem-sucedido.

Lembre-se de que os clientes provavelmente escolherão o caminho mais curto e com menos esforço possível, e isso geralmente significa começar em um canal, mas pode envolver vários canais até chegar na resolução. Um cliente pode começar em um portal de autoatendimento, depois usar o bot e, eventualmente, pode precisar ligar para falar com um agente ao vivo. É essencial entender por que a visita ao portal não foi bem-sucedida, ou o bot não foi satisfatório, e o que acabou levando o cliente a uma chamada para um analista humano. Ao estudar a jornada do cliente com análise de fluxo de cliques ou rastreamento digital, o departamento de suporte pode entender melhor a eficácia do bot em servir o cliente, e exceções podem ser usadas para melhorar o serviço em todos os canais.

Passo 8: crie as intenções / respostas

Intenção pode ser definida como ‘’o que o usuário ou cliente deseja obter com a interação junto ao chatbot’’. Por exemplo, o cliente / usuário diz: ‘Preciso de sapatos novos’. A intenção por trás da mensagem é procurar os calçados em oferta.

A próxima etapa aqui, é criar o bot desenvolvendo as tais intenções, respostas e contextos do cliente com base nos casos de uso definidos. Por exemplo, encomendar um computador é um pedido comum. O caso de uso - como um computador é solicitado hoje no processo de atendimento da solicitação - é usado para construir a conversa subjacente que ajuda o cliente a realizar o resultado com eficiência. Nesta etapa, é fundamental ter um entendimento profundo de como o mecanismo de conversação funciona na plataforma escolhida. Cada intenção ou resultado do cliente terá perguntas, respostas a perguntas e também entidades - fatos ou informações necessárias para compreender as especificidades do resultado.

Por exemplo, o cliente deseja um laptop, desktop ou dispositivo móvel? Qual sistema operacional é necessário? As entidades são construídas em intenções de acompanhamento adicionais. A entrada de uma intenção em outra é parte integrante da construção de uma conversa realista. Os dados dos canais já existentes podem fornecer uma ótima visibilidade sobre como essas conversas ocorrem hoje e fornecerão amplitude na adição de várias frases para o desenvolvimento da intenção inicial do bot.

Também será importante identificar pontos na jornada em que o cliente escapará da interação e trabalhará com um membro da equipe humana, como em casos de uma exceção ou quando o resultado desejado for alcançado. Os mapas de jornada, casos de uso e análise de dados do conhecimento existente apoiarão o desenvolvimento de intenções e respostas bem definidas. Cada uma das intenções requer testes para garantir que todos os caminhos funcionem conforme o planejado e que qualquer integração com sistemas fora da plataforma do bot esteja funcionando corretamente.

Passo 9: aprendizado coletivo do bot 

No começo da adoção, o bot terá um menor grau de precisão e, portanto, uma menor taxa de contenção. Para garantir que os clientes não sejam submetidos a uma longa curva de aprendizado, testes adicionais pela equipe e por clientes selecionados (pilotos) irão melhorar a inteligência artificial e o aprendizado do bot antes do lançamento para os clientes em massa. O processo não é totalmente manual. Usando o entendimento da linguagem natural, o bot aprenderá a lidar com novas frases e mapeá-las para as intenções existentes. Como alternativa, caminhos ou intenções adicionais podem ser identificados e exigidos antes de serem usados ​​diretamente pelos clientes.

Se possível, um curto período de teste por uma ampla base de clientes fornecerá muitos dados adicionais para ajudar o bot a aprender. Lembre-se, não se trata apenas de ajudar o bot a aprender. A equipe também precisa praticar suas novas responsabilidades de monitorar o progresso do aprendizado do bot, identificar exceções e medir seu sucesso.

Passo 10: teste em outros canais de suporte humano

A etapa final antes de distribuir o bot para o cliente, é usar o bot no suporte assistido pela equipe humana. Use as intenções desenhadas para o bot, em outros canais de atendimento, para testar se o cliente de fato consegue resolver a sua solicitação com aquelas informações. O objetivo é melhorar o design das intenções existentes para garantir que os resultados sejam entregues com sucesso antes do lançamento para os clientes. É aqui que ocorre o ajuste final, e a equipe deve apoiar o desenvolvimento do bot e aprimorá-lo continuamente.

Passo 11: lançamento para os clientes

Com o nível de planejamento delineado acima, a organização pode, com maior confiança, lançar o novo canal. A medição é vital para entender a adoção do cliente, as taxas de conclusão, as taxas de rejeição e o impacto nos volumes de suporte em outros canais. Certifique-se de divulgar e fazer um bom marketing do novo serviço disponível, e comemorar o seu lançamento!

Passo 12: melhoria contínua em todos os canais

Embora um trabalho substancial seja necessário para obter o lançamento de um bot, lembre-se de que o trabalho está apenas começando. Para melhorar o bot, a equipe precisa identificar intenções adicionais sempre, coletar dados e repetir o processo para aumentar o escopo do bot gradualmente ao longo do tempo. Mas a melhoria contínua não deve se concentrar apenas no bot. Lembre-se de que a jornada do cliente pode cruzar muitos canais diferentes. A organização deve garantir que os processos subjacentes sejam consistentes em todos os canais, e que o conhecimento das intenções e respostas não varie dependendo do canal de suporte.

Continue aprendendo e melhorando

À medida que encerramos nossa discussão sobre o desenvolvimento de uma estratégia de chatbot eficaz, é importante observar que a inteligência artificial é um campo empolgante e emergente que pode nos ajudar não apenas a atender os clientes de novas maneiras, mas também fornecer uma visão incrível sobre a experiência dele. O processo de implementação do chatbot é relativamente fácil e as ferramentas possuem guias de implementação bem documentadas, porém será essencial estabelecer uma estratégia que permita à organização experimentar este canal emergente, aprender com a experiência e desenvolver um escopo mais abrangente ao longo do tempo.

* Julie é uma agente de mudança dinâmica e envolvente que traz autenticidade, integridade e paixão aos profissionais de todo o mundo. Por meio de seus livros, artigos, palestras, consultoria e ensino, seu objetivo é desencadear mudanças no mundo com diálogo instigante e interação sobre tópicos de liderança autêntica, estratégia de negócios, gestão do conhecimento, cultura organizacional e inovação. Julie tem bacharelado em ciência da computação pela The Ohio State University e um MaED pela University of Phoenix e atualmente está cursando o doutorado em Gestão e Liderança Organizacional em Sistemas e Tecnologia da Informação pela Universidade de Phoenix.