La scimmia ti ama: Il pericolo del feedback eccessivamente semplificato dei clienti

Che cosa può insegnarci un episodio di Black Mirror su CX e NPS? Approfondiamo la natura preoccupante di ridurre la gamma di emozioni dei clienti a una metrica di base.

Se non siete fan di Black Mirror o non siete stati inclini a pagare un abbonamento a Netflix, vi prego di sopportarmi, soprattutto se siete interessati alla gestione del feedback dei clienti.

L'episodio che mi è rimasto impresso è stato quello del Black Museum della quarta stagione, e in particolare una delle sotto-storie: Monkey loves you. L'episodio descrive l'inquietante scenario in cui la coscienza della defunta moglie del protagonista viene trasferita in una scimmia meccanica simile a un orsacchiotto, attraverso la quale la donna può esprimersi solo con due frasi fondamentali: "La scimmia ti ama" o "La scimmia ha bisogno di un abbraccio".

Attraverso questo concetto, l'episodio esplora come le espressioni umane siano limitate e distorte dalla tecnologia, riducendo la connessione umana a qualcosa di meccanico e privo di reale profondità. 

L'intento di questo episodio non era certo quello di affrontare il modo in cui raccogliamo e analizziamo i feedback dei sondaggi, ma mi ha fatto riflettere: fino a che punto stiamo riducendo le esperienze dei nostri clienti nelle nostre analisi?

La trappola NPS, il punto cieco del promotore e altre insidie dell'analisi del sondaggio

Il Net Promoter Score è un parametro di riferimento standard utilizzato dalle aziende di tutto il mondo, che lo rende un buon modo per valutare le proprie prestazioni rispetto alla concorrenza. Tuttavia, l'aspetto negativo di questa eccessiva semplificazione è che crea una visione a tunnel, definita anche "trappola NPS". In sostanza, ci mette in guardia dai pericoli di un'eccessiva semplificazione del complesso panorama delle esperienze dei clienti.

Troppo spesso l'analisi dei sondaggi si concentra solo sui feedback dei detrattori, trascurando le sottili frustrazioni nascoste in metriche altrimenti positive. Questo può portare a quello che potremmo definire il punto cieco dei promotori, in cui le preziose insights dei clienti fedeli passano inosservate semplicemente perché i loro punteggi sono alti. Spesso questi clienti descrivono ancora attriti, delusioni o opportunità mancate, ma la loro voce non riceve la stessa attenzione. 

È importante riconoscere che l'insoddisfazione non è sempre accompagnata da un punteggio basso, e che la fedeltà non significa silenzio su ciò che deve essere migliorato.

Ci troviamo di fronte a sfide simili con i dati dei contact center. I sondaggi post-call sono spesso la nostra principale lente d'ingrandimento sull'customer experience: Punteggi CSAT, tassi di risoluzione o persino commenti aperti. Ma tutti questi dati arrivano dopo che il momento è passato. Offrono solo una visione parziale di ciò che è realmente accaduto e ancor meno del perché.

Ciò che si tende a trascurare è la parte più umana del servizio clienti: la conversazione stessa. I contact center non sono solo operazioni di assistenza. Sono pieni di domande in tempo reale, confusione, frustrazione, esigenze e momenti importanti. Ma quanto spesso ascoltiamo veramente? Un cliente potrebbe dare un punteggio positivo al sondaggio perché l'agente è stato gentile, mentre il vero problema che ha causato la chiamata è sepolto nelle parole della conversazione, non nella casella del sondaggio.

Come ascoltare i clienti in modo più profondo

Ora che abbiamo esplorato alcuni dei punti oscuri e delle limitazioni insite nell'analisi dei dati customer experience quando ci si concentra esclusivamente sulle metriche, analizziamo come superare queste sfide con la Text Analytics. 

La Text Analytics aiuta a strutturare e a dare priorità ai dati non strutturati, alle conversazioni stesse o ai commenti aperti nei sondaggi, poiché contengono gli insights più ricchi rispetto alle metriche tradizionali, consentendoci di ascoltare davvero ciò che il cliente ha espresso. 

Argomenti 

Partiamo dalle basi: gli argomenti che applicate ai vostri dati non strutturati. Un argomento è essenzialmente un insieme di combinazioni di parole chiave, progettato per catturare commenti specifici all'interno del feedback dei clienti. Ad esempio, un argomento potrebbe segnalare frasi come "la persona che mi ha aiutato è stata impaziente con me". Questo approccio consente di organizzare il testo non strutturato in categorie significative che chiamiamo argomenti.

Il fondamento di un'analisi testuale efficace risiede nella creazione di un elenco di argomenti che rifletta le operazioni aziendali principali. Gli argomenti specifici del settore aiutano a garantire che le insights raccolte siano pertinenti e utilizzabili nel contesto dei vostri prodotti, servizi e percorsi dei clienti.

Una volta creato un vero e proprio elenco di argomenti, l'obiettivo non è quello di farvelo leggere commento per commento. Invece, lo organizziamo in modo da aiutarvi a individuare rapidamente gli argomenti che richiedono la vostra attenzione. Evidenziamo i volumi degli argomenti, le medie NPS e le metriche basate sul sentiment (di cui parleremo più avanti).

Oltre a questi argomenti essenziali specifici del settore, gli argomenti con un'angolazione unica dei dati offrono un ulteriore livello di approfondimento. Ad esempio, i nostri argomenti sulle emozioni, sulle crisi mentali e sui suggerimenti dei clienti. Questi argomenti unici possono aiutarvi enormemente a trovare strati preziosi nei vostri argomenti esistenti. Vi spiego come!

Argomento Co-occorrenza

Il modulo Topic Co-occurrence di Medallia Text Analytics aiuta a rivelare come argomenti o problemi diversi emergano insieme nei feedback dei clienti. Invece di esaminare gli argomenti in modo isolato, questo strumento identifica gli schemi in cui due o più argomenti compaiono nello stesso pezzo di feedback, sia nell'intero commento che nella stessa frase. Questo livello di dettaglio aiuta a scoprire connessioni che potrebbero non essere evidenti con l'analisi standard degli argomenti.

Ad esempio, accoppiando il vostro elenco di argomenti principali, specifici per il settore, con gli argomenti dei segnali emotivi, potete vedere quali problemi comuni, come l'impostazione dei prodotti, la fatturazione o l'assistenza degli agenti, sono frequentemente associati a forti risposte emotive. L'argomento "Facilità di comprensione della fatturazione" potrebbe spesso co-occorrere con l'argomento "Ansia". È inoltre possibile filtrare la co-occorrenza in base al sentimento o anche in base all'interlocutore (agente o cliente) quando si analizzano i dati delle conversazioni. In questo modo è possibile individuare se un problema specifico viene sollevato dal cliente, affrontato dall'agente o da entrambi, quando si analizzano le conversazioni del contact center.

Questo tipo di visione stratificata è fondamentale per identificare le cause principali, tracciare i problemi emergenti e capire come le diverse esperienze influenzino la percezione complessiva del cliente. Utilizzando la co-occorrenza degli argomenti, le aziende possono apportare miglioramenti più mirati e consapevoli a prodotti, servizi e comunicazione.

Analisi del sentimento 

Un altro modo per districare i dati non strutturati è l'utilizzo del modello di sentiment a livello di argomento.

Il motore di sentiment di Medalliavaluta il tono di ogni frase del feedback, sia che provenga da commenti di sondaggi, chat o discorsi trascritti, e li classifica da fortemente negativi a fortemente positivi, con categorie intermedie.

Nella reportistica di Text Analytics, questo sentiment a livello di frase viene arrotolato per mostrare l'andamento di ciascun argomento a livello di sentiment. Ad esempio, si può scoprire rapidamente che l'argomento "Trovare prodotti online" ha una percentuale negativa del 60%. 

Ma il sentiment non si limita a evidenziare le esperienze negative. Svolge un ruolo fondamentale nell'aiutarvi a stabilire le priorità. Una metrica chiave è il Net Sentiment Score (NSS), che è semplicemente la percentuale di giudizi positivi meno la percentuale di giudizi negativi. Questo punteggio aiuta a capire rapidamente se un argomento è più positivo o negativo.

L'NSS è una metrica estremamente preziosa e facile da usare, ma non tiene conto della frequenza con cui un argomento viene sollevato. Per aiutarvi a stabilire le priorità, soprattutto quando si confronta un argomento altamente negativo con migliaia di commenti con uno con pochi commenti, utilizziamo il punteggio di impatto NSS. Questa metrica combina il punteggio del sentiment con il volume di quell'argomento specifico, per calcolare la sua influenza complessiva sul vostro Net Sentiment Score. In breve, vi dice quanto un argomento stia facendo salire o scendere il sentiment dei vostri clienti, in modo che possiate concentrarvi sulle questioni che contano di più.

Oltre l'NPS 

Così come la frase " La scimmia ti ama " o " La scimmia ha bisogno di un abbraccio" di Black Mirror rappresenta un'espressione limitata del sentimento umano, dobbiamo assicurarci che la nostra analisi del feedback dei clienti non cada nella stessa trappola. 

Non basta capire che un cliente ci "ama". Dobbiamo scavare più a fondo per capire perché la pensano così. Utilizzando l'analisi di analisi testuali multiple, otteniamo un quadro più ricco e completo dei nostri punti di forza e delle aree in cui possiamo migliorare. 

Il mondo dell'analisi del testo è incredibilmente ricco e offre innumerevoli modi per ascoltare in modo più profondo e significativo. Quello che ho condiviso qui è solo una scalfittura della superficie; con le nuove capacità dell'intelligenza artificiale, come la sintesi e il rilevamento dei temi, abbiamo più strumenti che mai per andare oltre il sentiment e scoprire le vere storie dietro i punteggi. 

Ma il quadro generale è che non si tratta solo di sentire che la Scimmia vi ama; si tratta di imparare a far crescere ed evolvere questo amore.

Avete notato che le percentuali di sondaggio stanno rapidamente diminuendo? Ecco la nostra guida su come navigare in questa nuova realtà.