busca do lado do agente. uma ferramenta que fica atrás do agente de suporte, não na frente do cliente. o agente faz uma pergunta em linguagem simples e recebe uma resposta com fonte citada numa única consulta. nenhum bot conversa com o cliente. o agente permanece no ticket e envia a resposta.
entregamos uma para um time de cx de e-commerce de médio porte. o tempo de primeira resposta em tickets complexos caiu 40%. este post é o comprovante: o que construímos, o que mudou e o que não mudou.
o cliente está anonimizado. os 40% são o resultado entregue pelo projeto, embasado no trabalho de suporte ao cliente que descrevemos em /ai-for/customer-support. mais uma coisa antes de continuar: isso foi só assistência ao agente. nenhum chatbot falou com um cliente em nenhum momento.
#o que estava deixando os agentes mais lentos?
as respostas existiam. encontrá-las não escalava. um ticket complexo significava um agente abrindo o histórico do zendesk, um documento de produto e um pdf de política de envio, e depois montando a resposta na mão. quatro anos de tickets antigos guardavam o precedente. ninguém conseguia pesquisar quatro anos de tickets no tempo que um cliente espera.
então a primeira resposta ficava numa fila enquanto o agente procurava. essa espera é o número sobre o qual o líder de suporte é cobrado. tempo de primeira resposta, não volume de tickets.
a ia consegue reduzir o tempo de primeira resposta no suporte ao cliente sem um chatbot?
sim. uma ferramenta interna de busca deixa os agentes fazerem perguntas em linguagem simples sobre tickets históricos, documentos de produto e pdfs de política, e receberem uma resposta com fonte citada. o agente continua escrevendo e enviando a resposta. para um time de cx de e-commerce de médio porte, isso reduziu o tempo de primeira resposta em tickets complexos em 40%, sem nenhum bot conversando com o cliente.
#o que entregamos, na prática?
uma ferramenta interna de busca sobre três fontes: 4 anos de tickets históricos, os documentos de produto e os pdfs de política de envio. o agente digita uma pergunta do jeito que perguntaria a um colega mais experiente. a resposta volta com a fonte citada, para que o agente possa checar antes de mandar para o cliente.
- busca em 4 anos de tickets antigos numa única consulta, não aba por aba.
- respostas com fonte citada, para que o agente verifique a origem em vez de confiar numa caixa-preta.
- respostas embasadas nos pdfs de política de envio, onde de fato ficam as regras dos casos de exceção.
- o agente permanece no ticket. a ferramenta nunca responde a um cliente por conta própria.
treinar o time de suporte fez parte da construção, não foi uma entrega solta no final. o kpi que combinamos mover foi o tempo de primeira resposta em tickets complexos. medimos antes e depois. caiu 40%.
#isso não é a mesma coisa que um bot de desvio de tickets?
não, e a diferença é o ponto central. uma estratégia de desvio tenta reduzir o volume de tickets respondendo os clientes diretamente. isso moveu um número diferente. a métrica era o tempo de primeira resposta, entregue colocando a busca atrás do agente. o cliente continuou falando com uma pessoa.
we are
a stennir constrói ia que fica atrás dos seus agentes de suporte: busca, triagem, rascunho-e-revisão, medida pelo tempo de primeira resposta e pela qualidade da resolução.
we aren't
a stennir não é uma fornecedora de chatbot para o cliente final e não vende desvio de tickets como objetivo; o agente permanece no ticket e os seus clientes continuam falando com pessoas.
ferramentas como o zendesk ai, o intercom fin ou as sugestões do gorgias funcionam dentro dos próprios muros: as suas macros, os seus artigos de ajuda, as suas respostas salvas. construímos busca sobre o restante. os tickets históricos, os documentos de produto, os pdfs de política de envio, os runbooks. é aí que se escondem as respostas dos tickets complexos.
os kpis que movemos são o tempo de primeira resposta e a qualidade da resolução em tickets complexos, não headcount. dizemos isso desde o primeiro dia e medimos.
#isso funcionaria para o nosso time de suporte?
o teste de encaixe é simples. as suas respostas já vivem em lugares lentos para pesquisar? quatro anos de tickets, uma pilha de pdfs de política, documentos de produto que mudam. se os agentes perdem minutos procurando antes de cada resposta complexa, esse é o minuto que a busca devolve.
essa construção faz parte do nosso trabalho de consultoria, com o treinamento do time de suporte incorporado a partir do nosso lado de treinamento. se você quer ver como as peças se encaixam, o journal tem mais desses comprovantes.
se os seus agentes estão caçando respostas antes de cada resposta complexa, foi exatamente esses 40% que buscamos aqui. conte o que você está construindo e diremos se a busca é a alavanca certa, ou se não é.