Então, lançou um agente de suporte com IA. O seu painel de controlo exibe orgulhosamente uma "taxa de deflexão" altíssima, mas quando olha para a sua equipa de suporte… eles estão tão ocupados como sempre. Soa-lhe familiar? É uma frustração comum quando se está a acompanhar as métricas erradas.
O problema é que a maioria das plataformas quer que se fixe na deflexão, que, na verdade, é apenas o número de tickets que foram impedidos antes de serem criados. Essa métrica não conta a história toda. Não consegue distinguir entre um cliente que encontrou a sua resposta e um cliente que simplesmente desistiu e foi embora.
O verdadeiro objetivo não é apenas a deflexão; é a resolução. Precisa de saber se a sua IA está realmente a resolver problemas e como isso se compara com os artigos tradicionais do seu centro de ajuda, escritos pela sua equipa.
Este guia irá orientá-lo através de um processo simples para medir e comparar com precisão o desempenho real dos seus canais de suporte de IA e humanos. Finalmente, poderá ver o verdadeiro retorno dos seus esforços de automação, em vez de apenas olhar para uma métrica de vaidade.
Do que precisará para começar
Antes de começarmos, vamos preparar algumas coisas. Ter isto à mão tornará tudo muito mais fácil.
-
Acesso às análises do seu help desk. Isto pode vir de ferramentas como Zendesk, Freshdesk, ou Intercom.
-
O painel de controlo de análises da sua plataforma de suporte com IA.
-
Uma ferramenta de análise de websites como o Google Analytics para acompanhar o tráfego da sua base de conhecimento.
-
Um conhecimento básico das suas etiquetas e categorias de tickets existentes.
Honestamente, gerir dados de todos estes lugares diferentes pode ser uma chatice. Uma plataforma de IA unificada torna isto muito mais simples. Por exemplo, o eesel AI liga-se diretamente ao seu help desk e fontes de conhecimento, dando-lhe um único painel de controlo com relatórios claros sobre o que está realmente a ser resolvido e onde estão as suas lacunas de conhecimento. Poupa muito tempo que, de outra forma, passaria a juntar relatórios.
Como comparar as taxas de deflexão da IA e humana
Muito bem, vamos ver como obter uma visão real do desempenho do seu suporte.
Passo 1: Mude o seu objetivo para a resolução do cliente
A maior mudança que precisa de fazer é mental. O seu objetivo principal não é apenas defletir tickets; é resolver os problemas dos clientes. Um ticket defletido pode ser uma vitória (um cliente feliz que encontrou a sua resposta) ou uma perda (um utilizador frustrado que desistiu). Olhando apenas para os números de deflexão, não tem como saber qual é o caso.
-
Deflexão Verdadeira (Resolução): É isto que pretende. O cliente consegue resolver o seu problema através de um canal de autoatendimento sem precisar de falar com um agente.
-
Falsa Deflexão (Abandono): Este é o assassino silencioso. O cliente tenta o autoatendimento, chega a um beco sem saída e sai sem criar um ticket. Parece uma vitória nas suas estatísticas de deflexão, mas é um fracasso para a sua experiência do cliente.
Quando se foca na taxa de resolução, obtém uma imagem muito mais clara do sucesso. Responde à única pergunta que realmente importa: "Resolvemos o problema do cliente?"
| Métrica | O que Mede | Porque é Limitada |
|---|---|---|
| Taxa de Deflexão de Tickets | A percentagem de pedidos que não se tornaram um ticket. | Não distingue problemas resolvidos de clientes frustrados que desistiram. É uma métrica de vaidade. |
| Taxa de Resolução | A percentagem de pedidos resolvidos com sucesso sem ajuda humana. | Mede diretamente o sucesso do cliente e o verdadeiro valor das suas ferramentas de autoatendimento. É uma métrica acionável. |
Muitas ferramentas de IA vão gabar-se de altas taxas de deflexão, mas ficam suspeitamente silenciosas quando se pergunta sobre resoluções reais. É aqui que precisa de usar o seu pensamento crítico. Em vez de aceitar esses números como garantidos, uma plataforma como o eesel AI oferece um modo de simulação. Permite-lhe testar a IA em milhares dos seus tickets passados, dando-lhe uma previsão precisa da sua taxa de resolução real e poupança de custos antes mesmo de entrar em funcionamento. Chega de suposições.
Uma visão do modo de simulação do eesel AI, que ajuda os utilizadores a medir a deflexão da IA vs a deflexão humana no suporte, prevendo as taxas de resolução antes da implementação.Passo 2: Obtenha uma base de referência para o seu autoatendimento humano
Antes de poder dizer quão bem a sua IA está a funcionar, precisa de saber como os seus recursos atuais, escritos por humanos, estão a ter desempenho. Isto inclui a sua base de conhecimento, FAQs e quaisquer fóruns da comunidade.
Veja como pode medi-lo:
-
Verifique o tráfego da sua base de conhecimento: Use uma ferramenta como o Google Analytics para ver quais dos seus artigos de ajuda são os mais populares. Se um artigo sobre como redefinir palavras-passe recebe milhares de visualizações por mês, pode ter a certeza de que está a resolver um bom número de tickets simples por si só.
-
Peça feedback após o artigo: Já viu isto em todo o lado. Uma simples sondagem "Este artigo foi útil? (Sim/Não)" no final de cada conteúdo pode dizer-lhe muito. Não é uma ciência exata, mas uma alta percentagem de votos "Sim" é um forte sinal de que o seu conteúdo está a acertar no alvo.
-
Calcule uma pontuação de autoatendimento: Uma forma rápida de obter um ponto de referência é dividir o número total de visitantes únicos do seu centro de ajuda pelo número total de tickets criados no mesmo período.
-
"Pontuação de Autoatendimento = (Total de Utilizadores do Centro de Ajuda) / (Total de Tickets Enviados)"
-
Uma pontuação mais alta, digamos 4:1, sugere que por cada ticket criado, outras quatro pessoas podem estar a encontrar as respostas sozinhas. Isto dá-lhe um número sólido para comparar com o desempenho da sua IA.
-
Passo 3: Meça a verdadeira taxa de resolução da sua IA
Agora é hora de analisar o desempenho do seu agente de IA. Estatísticas vagas não o vão ajudar. Precisa de procurar pontos de dados específicos nas análises da sua plataforma de IA.
Aqui estão os pontos-chave a acompanhar:
-
Conversas Tratadas pela IA: O número total de chats únicos em que o seu agente de IA participou.
-
Resoluções Bem-sucedidas: O número de conversas que a IA resolveu completamente sem precisar de passar para um humano. A melhor forma de acompanhar isto é com uma confirmação direta do utilizador, como uma pergunta "Isto resolveu o seu problema?" no final da conversa.
-
Escalonamentos para Agente: O número de vezes que a IA ficou presa e teve de passar a conversa para um humano.
Com esses números, pode calcular a taxa de resolução da IA:
- "Taxa de Resolução da IA = (Resoluções de IA Bem-sucedidas / Total de Conversas Tratadas pela IA) * 100"
Uma alta taxa de resolução (qualquer valor acima de 50% é ótimo) é um sinal claro de que a sua IA está a fornecer valor real, e não apenas a afastar utilizadores frustrados.
É aqui que ter a ferramenta certa faz uma enorme diferença. Muitas plataformas que o prendem a longas chamadas de vendas e processos de onboarding muitas vezes escondem o seu desempenho por trás de relatórios complicados e confusos. Em contraste, o eesel AI foi construído para ser claro. Pode configurá-lo em poucos minutos e aceder imediatamente a relatórios que se focam no que importa: resoluções, não deflexões vazias.
Passo 4: Compare o desempenho e encontre oportunidades
Assim que tiver dados claros sobre o seu conteúdo escrito por humanos e o desempenho da sua IA, pode começar a tomar decisões inteligentes para melhorar toda a sua estratégia de suporte.
Elabore um relatório simples para responder a algumas perguntas-chave:
-
Quais tópicos a IA resolve melhor do que a base de conhecimento, e vice-versa? Isto ajuda-o a descobrir para onde direcionar a sua IA para obter as maiores vitórias.
-
Quais são os principais motivos pelos quais a IA tem de escalar para um humano? Isto é ouro puro. Um escalonamento não é uma falha; é uma oportunidade de aprendizagem. Mostra-lhe exatamente onde estão as lacunas na sua base de conhecimento.
Pode usar esta informação para criar um poderoso ciclo de melhoria:
-
A IA escala uma pergunta porque não tem a resposta.
-
O seu relatório sinaliza isto como uma lacuna de conhecimento.
-
Escreve um novo artigo de ajuda ou atualiza um antigo para cobrir esse tópico.
-
Da próxima vez que essa pergunta surgir, a sua IA pode usar o novo artigo para resolvê-la automaticamente.
As melhores ferramentas de IA são construídas para ajudar com isto. Por exemplo, o eesel AI analisa automaticamente todas as conversas para detetar tendências e aponta lacunas de conhecimento específicas diretamente no seu painel de controlo. Basicamente, entrega-lhe uma lista de tarefas para tornar tanto a sua IA como o seu centro de ajuda mais inteligentes.
O painel de controlo do eesel AI mostra como medir a deflexão da IA vs a deflexão humana no suporte, identificando lacunas de conhecimento e acompanhando as taxas de resolução.Erros comuns a evitar
À medida que avança, tente evitar estas armadilhas comuns.
-
Erro 1: Agrupar todo o autoatendimento. Um cliente a resolver um problema de faturação complicado com um fluxo de trabalho guiado por IA é muito mais valioso do que alguém a encontrar o seu horário de funcionamento numa página de FAQs. Segmente os seus dados para ver o impacto real.
-
Erro 2: Esconder o botão "contacte-nos". Dificultar o contacto com um humano apenas irrita as pessoas e leva àquela "falsa deflexão" de que falámos. Dê sempre aos clientes uma forma fácil e óbvia de falar com uma pessoa. Isso constrói confiança.
-
Erro 3: Esquecer-se da satisfação do cliente (CSAT). Peça sempre feedback após uma resolução automatizada. Uma alta taxa de resolução combinada com uma baixa pontuação de CSAT é um grande sinal de alerta de que algo está errado.
Meça o que realmente importa
Mudar o seu foco de uma métrica de vaidade como a "deflexão de tickets" é o primeiro passo real para construir uma estratégia de automação de suporte que funcione. Ao concentrar-se nas taxas de resolução e separar claramente o desempenho da sua IA e do seu centro de ajuda humano, pode finalmente ver o que está a funcionar e o que precisa de melhorias.
Esta abordagem baseada em dados permite-lhe melhorar constantemente a experiência do seu cliente, liberta os seus agentes para lidar com trabalhos mais complexos e prova o valor real e final do seu investimento em IA.
Assuma o controlo da sua automação de suporte
Cansado de métricas vagas e plataformas de IA que parecem uma caixa preta? O eesel AI dá-lhe as ferramentas para medir o que importa. Com um poderoso modo de simulação, relatórios de resolução claros e uma configuração self-service que pode lançar em minutos, pode finalmente ver o verdadeiro impacto da automação.
Experimente o eesel AI gratuitamente ou agende uma demonstração rápida para ver como pode começar a resolver mais tickets hoje mesmo.
Perguntas frequentes
Focar na resolução distingue entre clientes que encontraram uma resposta (deflexão verdadeira) e aqueles que desistiram (falsa deflexão). Fornece uma imagem mais precisa do sucesso do cliente e do valor real gerado pelos seus canais de autoatendimento.
Para o autoatendimento humano, acompanhe o tráfego da base de conhecimento, o feedback pós-artigo e uma pontuação de autoatendimento. Para a IA, monitorize as conversas tratadas pela IA, as resoluções bem-sucedidas e os escalonamentos para agentes para calcular uma taxa de resolução de IA clara.
Pode estabelecer uma base de referência analisando o tráfego da base de conhecimento, implementando prompts de feedback "Isto foi útil?" nos artigos e calculando uma pontuação de autoatendimento (Total de Utilizadores do Centro de Ajuda / Total de Tickets Enviados). Isto dá-lhe um ponto de referência para comparação.
Isto indica frequentemente uma "falsa deflexão", onde os clientes não encontraram uma resposta e simplesmente desistiram, ou a IA está a defletir perguntas simples enquanto as complexas ainda chegam aos agentes. Mude o seu foco para as taxas de resolução para ver se os problemas estão realmente a ser resolvidos.
Evite agrupar todo o autoatendimento, dificultar o contacto dos clientes com um agente humano e negligenciar as pontuações de satisfação do cliente (CSAT). Estes podem obscurecer o verdadeiro impacto e levar a utilizadores frustrados.
Ao comparar o desempenho da IA e humano e identificar os motivos de escalonamento, pode identificar lacunas de conhecimento. Use estes insights para criar ou atualizar artigos de ajuda, tornando continuamente tanto a sua IA como a sua base de conhecimento mais inteligentes e eficazes ao longo do tempo.
