Por Kathleen McNair e Tonya Webber
Analisar todas as interações com os clientes parece algo impressionante, especialmente para equipes de qualidade que passaram anos trabalhando com amostras pequenas. A garantia de qualidade tradicional em centrais de atendimento foi construída com base na escassez. A maioria das equipes conseguia analisar apenas 2% a 5% das interações e usava essa amostra para treinar os atendentes, monitorar a conformidade e estimar o desempenho do programa.
Monitoria , que conta com o apoio da IA, Monitoria o escopo do que as equipes podem observar. O problema é que um maior número de interações monitoradas não indica automaticamente aos líderes onde está ocorrendo a perda de valor ou o que deve ser alterado em primeiro lugar. As equipes ainda precisam saber o que estão medindo, por que isso é importante e como a informação será utilizada.
Uma interação com o cliente pode parecer perfeita no papel e, mesmo assim, não atender às expectativas do cliente. O atendente seguiu o processo. A resposta foi correta. A política foi cumprida. A documentação estava completa.
O controle de qualidade tradicional em centrais de atendimento geralmente se limita a isso.
Em nosso trabalho na COPC Inc., analisamos essa mesma interação sob uma perspectiva diferente. Queremos saber se o problema do cliente foi realmente resolvido, o que impediu a resolução e se o obstáculo era algo que o atendente poderia controlar.
Essa questão muda o papel da qualidade. Ela leva a discussão para além da conformidade dos agentes e a direciona para as políticas e os processos que moldam a experiência real dos clientes.
Por que a garantia de qualidade do contact center deve questionar a política, e não apenas o agente
Os atendentes precisam de padrões claros, e as organizações precisam saber se esses padrões atendem ao resultado esperado pelo cliente. Uma política pode ser aplicada corretamente e, mesmo assim, resultar em um desfecho que o cliente perceba como não resolvido.
Na COPC, acreditamos que a questão ainda mais difícil é:“Quanto essa política está custando para você em termos de resolução de problemas, e será que vale a pena?”
É nesse ponto que as ferramentas de IA para garantia de qualidade podem ajudar, identificando quando o mesmo problema relacionado a uma política, processo ou ferramenta se repete nas interações. O valor está em utilizar esses padrões para compreender seu impacto na resolução e, então, decidir se a empresa deve manter a regra tal como está, alterar o fluxo de trabalho, criar uma opção digital ou oferecer aos agentes um caminho mais eficaz para a resolução.
Como o controle de qualidade do centro de atendimento pode revelar atritos nas políticas
Tomemos como exemplo uma questão relacionada à garantia. Um cliente entra em contato com o suporte porque deseja um conserto ou reembolso. O atendente verifica a política, constata que o produto está fora do período de garantia, explica a regra corretamente, nega a solicitação e documenta a interação.
Do ponto de vista tradicional da qualidade, o agente agiu corretamente.
Do ponto de vista do cliente, o problema não foi “resolvido”.
A próxima pergunta é: o que impediu a resolução? O atendente omitiu alguma etapa? Ele deu a resposta errada? Precisava de mais coaching? Às vezes, a resposta é sim. Em muitos casos, os dados de qualidade apontam para outro fator. O atendente pode ter seguido o processo corretamente, mas a política, o fluxo de trabalho, a ferramenta ou a regra de negócios geraram um resultado que o cliente percebeu como não resolvido.
Quando realizamos essa análise para os clientes, agrupamos os contatos não resolvidos de acordo com o que o agente poderia controlar e o que não poderia controlar devido a políticas, processos, ferramentas, regras financeiras, requisitos de conformidade ou outras restrições comerciais.
Para um de nossos e-commerce norte-americanos e-commerce B2B, os números revelaram uma realidade diferente. Sessenta por cento dos problemas foram resolvidos do ponto de vista do cliente, enquanto 40% não foram. Desses 40% não resolvidos, 12 pontos percentuais estavam ligados a fatores controláveis pelos atendentes e 28 pontos eram decorrentes de políticas, processos, ferramentas ou outras restrições comerciais.
Como as ferramentas de IA para garantia de qualidade transformam padrões em decisões de negócios
A COPC utiliza ferramentas de IA para garantia de qualidade, a fim de tornar esses padrões visíveis aos nossos clientes. Essas ferramentas organizam os dados de forma que os líderes possam identificar rapidamente onde a resolução está falhando e quais são os fatores responsáveis por isso, seja uma política, um processo, uma lacuna nas ferramentas ou o comportamento dos agentes.
O objetivo é passar de milhares de interações monitoradas para uma lista reduzida de decisões comerciais.
- Qual política precisa ser revista?
- Qual processo está gerando demanda recorrente?
- Qual problema relacionado à ferramenta está causando atrito para os clientes e agentes?
- Qual alteração melhoraria a resolução mais rapidamente?
O que as equipes de qualidade fazem a partir daqui
Para as operações de experiência do cliente, o valor está em compreender o que a empresa deve fazer a seguir. Monitoria de qualidade apoiado por IA Monitoria gerar escala. As equipes de qualidade são que criam o valor. Elas definem o que significa “resolvido” da perspectiva do cliente, validam os resultados, interpretam as causas-raíz e apresentam à empresa uma proposta de ação baseada em fatos.
É assim que o controle de qualidade (QA) de um contact center passa da simples avaliação de pontuação para a inteligência estratégica. Ele mostra em que casos o agente agiu corretamente, em que casos o cliente ainda ficou sem solução e quais políticas, processos ou ferramentas merecem uma análise mais detalhada.
Para saber mais, leia o artigo completo: Monitoria de Qualidade com IA Monitoria Centrais de Atendimento: Como transformar o controle de qualidade de um centro de custos em inteligência estratégica, e descubra como as equipes de qualidade podem usar Monitoria , apoiado por IA, Monitoria transformar dados de resultados dos clientes em conclusões sobre as causas-raíz e decisões de negócios.
Sobre as autoras
Kathleen McNair, CEO da Região das Américas
Kathleenlidera as práticas de consultoria, certificação e capacitação em experiência do cliente da COPC capacitação . Ela é responsável por toda a prestação de serviços e pelo resultado financeiro (P&L). Com profunda experiência em gestão de fornecedores, contratação e melhoria de desempenho, ela liderou projetos transformacionais nas áreas de gestão de operações, BPO edesenho customer journey desenho operações globais em grande escala. Kathleen possui um histórico comprovado na criação de programas multicanais que abrangem vendas, atendimento ao cliente e suporte técnico, ajudando os clientes a ampliar tanto as experiências assistidas quanto as digitais do cliente.
Tonya Webber, Diretora de Consultoria
Tonyatraz mais de dezesseis anos de experiência em liderança em experiência do cliente (CX), com especialização em transformação operacional, otimização de processos e melhoria de desempenho. Ela trabalha em parceria com os clientes da COPC para fortalecer as operações de engajamento do cliente por meio de análises de lacunas nos processos, gestão do conhecimento, estruturas de governança e iniciativas de melhoria baseadas em dados. Como ex-diretora de operações da RealPage, provedora de SaaS, Tonya liderou equipes de analistas para impulsionar a eficiência, apoiar lançamentos de produtos e eliminar lacunas críticas nos processos. Especializada em gerenciamento de projetos, qualidade e gestão estratégica de relacionamentos com fornecedores, ela é reconhecida por aplicar análises de causa raiz e práticas de melhoria contínua que geram impacto mensurável nos negócios