Durante muito tempo os bancos têm se concentrado na redução de custos com o autoatendimento, mas um ponto de vista mais “geral” leva à pergunta: qual é o risco de perda de receita por não ter conversas presenciais? É um ato essencial de equilíbrio que está se tornando mais complexo à medida que o setor bancário evolui.
Os bancos querem melhorar a interação e manter clientes por bastante tempo. Isso requer insights coletados de muitas fontes de dados – grande parte delas armazenadas em sistemas distintos – que são, depois, transferidas para outros repositórios de dados. É difícil agir de maneira eficiente com base nisso, especialmente no sentido de acompanhar e orquestrar as jornadas dos clientes. Embora os dados possam ser acessados nas interações dos clientes, e você possa adicionar entradas de fontes de dados de terceiros, talvez você esteja deixando de ter uma visão mais aprofundada da jornada do cliente.
Entender os clientes nos níveis micro e macro
A análise de microjornada — saber onde os clientes estão na jornada atual e qual o motivo do contato deles — empodera os agentes do contact center tradicional. Por outro lado, os gerentes de patrimônio e de agências físicas atingem as metas quando têm insights sobre as jornadas em nível macro que revelam oportunidades de crescimento de longo prazo para perfis de clientes muito específicos. Essas análises em nível macro passaram a usar algoritmos de aprendizado de máquina e, agora, vão além dos perfis simples de clientes com base em regras.
Embora sempre tenham existido análises a nível micro e macro, elas geralmente não se misturavam. Muito tem sido gasto, em recursos ou em trabalho, para desenvolver a capacidade de compartilhar esses dados. Hoje, todas as áreas voltadas para o cliente precisam de análise de dados da jornada a nível macro e micro para impulsionar o sucesso, especialmente para o engagement preditivo orientado a resultados.
Uma das razões para essa tendência é que estão desaparecendo as barreiras entre colaboradores que, antes, atuavam isolados, como agentes de contact center e de bancos físicos. Agora, eles estão usando as mesmas tecnologias para interagir com clientes, e as fronteiras entre as áreas estão começando a se sobrepor.
À medida que as soluções de autoatendimento cada vez mais respondem a perguntas fáceis, as interações ao vivo vão ficando mais sofisticadas e desafiadoras. As áreas tradicionais dos bancos estão mudando. Isso significa que a microanálise e a macroanálise devem se tornar onipresentes, permitindo que os bancários e os agentes vejam os clientes de perspectivas diferentes.
Os dados são abundantes; os dados certos, não
Não há falta de dados. Os bancos conseguem descobrir quem vive dentro de um raio de dez quilômetros quadrados de um determinado CEP, quem será rico em dez anos e assim por diante. Só que, para se ter acesso a esses dados, foram precisos complicados exercícios de análise, geralmente feitos para campanhas de marketing individuais. Mas outras pessoas na organização muitas vezes não enxergam esses dados em tempo real. Esse é um dos problemas dos sistemas desconectados, é algo que prejudica a experiência do cliente e cujas causas raiz são difíceis de identificar.
As plataformas de análise de última geração precisam fornecer uma visão dos perfis e segmentos de clientes em diferentes eixos, prevendo o comportamento ao longo do tempo e identificando oportunidades que podem ser realizadas, independentemente dos canais de interação. Muitas dessas plataformas usam ferramentas de desenvolvimento “sem código”, oferecendo interfaces simples do tipo “arrastar e soltar” para desenvolver visualizações bastante sofisticadas. Para a empresa, isso permite que um superusuário crie recursos avançados sem precisar de desenvolvedores ou engenheiros. O ideal é que sua plataforma de análise sem código/de pouco código também seja incorporada nativamente no sistema de engagement em tempo real.
O contact center está evoluindo
Os contact centers podem usar o engagement preditivo para oferecer automaticamente um chatbot ou um agente para um chat ou, até mesmo, um retorno de chamada durante um momento crítico. Normalmente, estas microjornadas não estão conectadas para apoiar um objetivo com o foco macro de criar valor de ciclo de vida. Essa abordagem tática não leva em conta o valor potencial do ciclo de vida de um cliente ou cliente potencial. Mesmo que você possa alimentar dados de terceiros em mecanismos de decisão, geralmente eles se concentram em microjornadas. Por exemplo, você pode saber se o cliente deve ser atendido por um bot ou um agente ativo altamente qualificado em retenção.
As métricas a nível macro precisam fazer parte dos mecanismos de decisão em tempo real para que você não corra o risco de perder um cliente que tenha um alto valor de ciclo de vida. Tendo apenas uma visão micro, é difícil tomar uma decisão de “visão geral”, pois suas análises se baseiam em uma janela de decisão pequena.
Estratégias para vencer
As empresas estão fazendo parcerias para oferecer uma solução verdadeiramente completa e que combina jornadas micro e macro. A Genesys tem parcerias importantes com a Adobe, a Microsoft e a IBM, que permitem que os bancos unam soluções coesas e focadas no cliente que alcançam os objetivos de negócios. Além disso, aquisições recentes de empresas como a Bold360 e Potillist deixam a Genesys equipada para trazer inteligência artificial (IA), aprendizado de máquina e recursos preditivos para todos os canais.
Conclusão
A concorrência está forçando os bancos a reavaliar os principais modelos operacionais. Independentemente de como eles evoluem, seja puramente digital, físico ou híbrido, entender as jornadas dos clientes a nível macro e micro continua sendo essencial para o sucesso. É somente com esses tipos de insights sofisticados que os bancos podem combinar, com sucesso, automação e serviço assistido por humanos para oferecer interações com empatia em grande escala.