Desvio de chamadas: o que é, como medi-lo e como a IA o faz bem

TL;DR

Call deflection significa resolver a questão de um cliente através de self-service ou automação, para que nunca precise de um agente humano. A palavra-chave é resolver, não bloquear. Está a eliminar a razão da chamada, não apenas a manter o cliente longe do telefone.
Mede-se pela taxa de deflection: a percentagem de pedidos tratados sem intervenção humana. A fórmula e um exemplo prático estão abaixo.
Quando é bem feita, compensa. A McKinsey concluiu que o self-service digital pode reduzir o volume de chamadas e os custos operacionais em 25 a 30% (McKinsey).
Quando é mal feita, sai pela culatra. Um cliente atirado para uma FAQ sem saída ou para um bot que não o consegue compreender não foi defletido, foi adiado, e voltará mais tarde e mais irritado.
A IA muda esta lógica, porque um assistente bem fundamentado resolve muito mais do que uma FAQ estática ou um menu telefónico, nas próprias palavras do cliente e de forma imediata.

Deflection não é tirar a chamada ao cliente. É tornar a chamada desnecessária.

"Call deflection" soa a truque de redução de custos e, quando é tratado como tal, ganha a sua má reputação: o labirinto de menus, o chatbot que entra em loop, o centro de ajuda que nunca tem a resposta. Mas a verdadeira deflection não passa por evitar clientes. Passa por resolver o problema tão depressa e tão cedo que eles nunca precisam de esperar por um agente. Este guia explica o que é realmente call deflection, como medi-la, porque é que a versão preguiçosa sai pela culatra e como a IA finalmente a faz funcionar, com base no que vemos todos os dias na Invent.

O que é call deflection?

Call deflection é a prática de resolver pedidos de clientes através de self-service ou canais automatizados, como uma base de conhecimento, um chatbot, um assistente de IA ou um menu IVR, para que sejam tratados sem um agente humano.

O termo vem dos call centers, mas a ideia aplica-se a todos os canais. "Ticket deflection" e "chat deflection" são o mesmo conceito: um contacto é defletido quando o cliente obtém a resposta por si e não precisa de escalar para uma pessoa.

A palavra mais importante é resolvido. Reencaminhar uma chamada para uma página web não é deflection se o cliente não encontrar lá a resposta. Só conta como deflection quando o problema é realmente resolvido sem intervenção humana. Se ignorar esta distinção, acaba por otimizar para "chamadas evitadas" em vez de "clientes ajudados", que é exatamente assim que a deflection ganha má fama.

Como medir: taxa de deflection

A taxa de deflection é a percentagem de pedidos de clientes resolvidos através de self-service, sem um agente humano. A versão simples:

Taxa de deflection (%) = (resoluções por self-service / total de pedidos) × 100

Um exemplo prático: se receber 1.000 pedidos num mês e 200 forem totalmente resolvidos através de self-service, a sua taxa de deflection é (200 / 1.000) × 100 = 20%.

A armadilha é contar a coisa errada. Se um cliente ler a sua FAQ e mesmo assim ligar, esse contacto não foi defletido, foi adiado. Uma taxa de deflection com significado só conta pedidos em que o cliente obteve a resposta e não tomou qualquer ação adicional. Por isso, acompanhe-a em conjunto com contactos repetidos e escalamentos pós-deflection, que mostram se realmente defletiu ou se apenas evitou o contacto.

Quanto a objetivos: muitas equipas consideram 40% ou mais uma taxa de deflection saudável, e um self-service bem fundamentado pode ir bastante além disso. Mas o número só significa alguma coisa se esses clientes defletidos tiverem realmente obtido resolução. Uma taxa de deflection de 70% assente num bot que frustra as pessoas é pior do que uma taxa de 40% que realmente ajuda.

Um gráfico intitulado Como medir call deflection, que mostra a fórmula taxa de deflection igual a resoluções por self-service divididas pelo total de pedidos vezes 100, com um exemplo prático de 200 resoluções por self-service em 1.000 pedidos equivalendo a 20 por cento, e uma nota para só contar se o cliente não fizer seguimento no prazo de 48 horas.

A taxa de deflection é simples de calcular, mas só deve contar um contacto como defletido se o cliente tiver realmente obtido resolução e não tiver feito seguimento.

Porque é que a má deflection sai pela culatra

Aqui está a parte que a maioria dos artigos sobre "call deflection" ignora. Quando a deflection é tratada apenas como uma alavanca de custos, produz as experiências que todos detestam: a árvore telefónica que esconde a opção de que precisa, o chatbot que responde a uma pergunta diferente, o "Isto foi útil?" num artigo que não foi.

Esse cliente não foi defletido. Foi adiado. Vai voltar, depois de perder dez minutos, mais frustrado do que estaria se tivesse falado com uma pessoa logo à partida. Não poupou um contacto, criou um pior e empurrou-o para mais tarde. Ao longo do tempo, é assim que a deflection alimenta silenciosamente o churn enquanto parece estar bem num dashboard.

A verdadeira deflection faz o contrário. Quando um cliente obtém uma resposta rápida e correta através de self-service, a satisfação aumenta, não diminui, porque a maioria das pessoas prefere resolver um problema simples em trinta segundos do que esperar numa fila. O teste é simples: o cliente voltou? Se os contactos repetidos e os escalamentos aumentam ao mesmo tempo que a sua taxa de deflection, não está a defletir. Está a esconder a fila.

Há um nome para esta falha: resolução fantasma. Um contacto é marcado como "resolvido", mas o cliente volta no prazo de 48 horas por causa do mesmo problema. Nunca foi resolvido. A fila só ficou escondida durante um dia. Por isso, meça-o: acompanhe a sua taxa de resolução fantasma (recontactos no prazo de 48 horas divididos pelas conversas resolvidas por IA) lado a lado com a sua taxa de deflection. Uma deflection que se mantém é a verdadeira vitória. Uma que volta para trás é um contacto que pagou duas vezes.

Uma comparação intitulada Dois tipos de deflection. Má deflection: o cliente passa por um loop de menu e por uma FAQ sem saída, fica frustrado e acaba por ligar na mesma, identificado como adiado e não defletido, um contacto que pagou duas vezes. Boa deflection: o cliente chega a um assistente de IA, obtém resolução em segundos e fica tratado, identificado como resolvido, uma deflection que se mantém.

A má deflection adia o problema e o cliente volta. A boa deflection resolve-o, por isso mantém-se.

Como a IA faz deflection ao realmente resolver

A razão pela qual a deflection tem sido tão irregular é que as ferramentas antigas só conseguiam defletir uma faixa estreita de questões. Uma FAQ estática responde ao que por acaso cobre. Um bot de árvore de decisão trata os caminhos exatos que alguém programou. Um menu IVR deflete perguntas como "qual é o vosso horário" e frustra tudo o resto. Tudo o que fica fora do guião cai para um agente ou, pior, entra em loop.

Um assistente de IA bem fundamentado muda o alcance do que pode ser defletido, porque faz duas coisas que as ferramentas antigas não conseguiam fazer:

Compreende a pergunta. O cliente escreve ou fala nas suas próprias palavras, na sua própria língua, e o assistente percebe aquilo de que realmente precisa, em vez de o obrigar a passar por um menu.
Responde com base nos seus dados reais. As perguntas flexíveis são respondidas a partir da sua base de conhecimento; as exatas, estado da encomenda, faturação, disponibilidade, vêm de ações em tempo real, não de suposições. Assim, resolve o problema em vez de apontar para uma página e esperar que resulte.

Essa é a diferença entre uma deflection que resolve e uma deflection que evita. A McKinsey estima que 30 a 50% do volume de contactos já pode passar para self-service (McKinsey); um assistente de IA bem construído eleva esse teto porque consegue realmente tratar a parte confusa do meio, não apenas as perguntas mais simples. E, quando algo precisa genuinamente de uma pessoa, faz a passagem de forma limpa e com todo o contexto, para que o cliente nunca tenha de começar do zero.

Um chat da Invent para a loja online Lux Boutique: o cliente pergunta se pode devolver um vestido comprado há duas semanas e como o fazer, e o assistente de IA resolve a questão a partir da sua base de conhecimento, confirmando a janela de devolução de 30 dias e listando os passos para devolver, sem necessidade de agente.

Deflection real: o assistente resolve o pedido de ponta a ponta a partir da sua base de conhecimento, para que o cliente nunca precise de um agente nem de esperar.

Como melhorar a sua taxa de deflection

Se quer mais contactos resolvidos sem agente, e bem resolvidos, há alguns passos que importam mais do que os restantes:

Comece pelo seu volume real. Recolha os pedidos mais comuns e identifique os que são repetitivos e passíveis de resposta: estado da encomenda, horários, devoluções, reposição de palavra-passe, instruções básicas. Esses são os seus alvos de deflection com maior valor, não os casos raros de exceção.
Fundamente as respostas. O self-service só faz deflection se estiver correto. Ligue a sua base de conhecimento e os dados em tempo real de que o assistente precisa, encomendas, reservas, contas, para que possa resolver em vez de adivinhar.
Torne-o fácil de encontrar e fácil de usar. Disponibilize o self-service onde a questão realmente surge, na página, no chat, antes da chamada, e permita que as pessoas perguntem com as suas próprias palavras em vez de andarem à procura em menus.
Meça a resolução, não apenas a deflection. Acompanhe os contactos repetidos e os escalamentos pós-deflection. Se aumentarem ao mesmo tempo que a sua taxa de deflection, está a adiar, não a defletir. Corrija as falhas que os dados revelam.
Encaminhe o resto de forma limpa. Alguns contactos devem chegar a uma pessoa. Faça essa passagem de forma rápida e rica em contexto, para que os casos que não deflete continuem a proporcionar uma boa experiência.

O que estamos a construir na Invent

Na Invent construímos assistentes de IA que fazem deflection ao resolver, não ao bloquear.

Baseados nos seus dados. As respostas vêm da sua base de conhecimento e de ações em tempo real, para que o assistente resolva o problema em vez de apontar para uma página.
Nas palavras e na língua do cliente. Sem menus para navegar, sem fallback só em inglês; o cliente pergunta naturalmente e recebe uma resposta real.
Em todos os canais, num só lugar. Chat, web, WhatsApp e mais, para que a deflection aconteça onde o cliente já está.
Passagem limpa quando necessário. Quando uma questão precisa genuinamente de uma pessoa, o assistente transfere-a com todo o contexto, para que nada se perca e ninguém tenha de se repetir.

O objetivo nunca é manter os clientes longe do telefone. É tornar o telefone desnecessário, e fazer com que fiquem satisfeitos por isso.

Em resumo

Call deflection é uma boa expressão quando significa "resolvemos antes de ter de esperar" e uma má expressão quando significa "mantivemo-lo fora da fila". A diferença está em saber se o problema do cliente foi realmente resolvido. Meça a taxa de deflection, mas acompanhe a resolução e os contactos repetidos lado a lado, e construa self-service que responde em vez de desviar apenas por desviar.

Deflection não é tirar a chamada ao cliente. É tornar a chamada desnecessária.

FAQs

O que é call deflection?

Call deflection é resolver pedidos de clientes através de self-service ou canais automatizados, como uma base de conhecimento, chatbot, assistente de IA ou IVR, para que sejam tratados sem um agente humano. Um contacto só conta como defletido se o cliente tiver realmente obtido a resposta e não tiver precisado de escalar para uma pessoa.

O que é a taxa de deflection e como se calcula?

A taxa de deflection é a percentagem de pedidos resolvidos sem um agente humano. A fórmula simples é (resoluções por self-service / total de pedidos) × 100. Por exemplo, 200 resoluções por self-service em 1.000 pedidos correspondem a uma taxa de deflection de 20%. Para garantir precisão, conte apenas os pedidos em que o cliente não fez seguimento através de um contacto humano depois disso.

O que é uma boa taxa de call deflection?

Muitas equipas apontam para 40% ou mais, e um self-service bem fundamentado pode ir consideravelmente além disso. Mas a taxa só importa se esses clientes tiverem realmente obtido resolução. Uma taxa de deflection elevada assente num bot frustrante é pior do que uma taxa mais baixa que ajuda de facto, por isso acompanhe a resolução e os contactos repetidos em conjunto.

Qual é a diferença entre call deflection e ticket deflection?

É a mesma ideia em canais diferentes. Call deflection refere-se a chamadas telefónicas; ticket deflection refere-se a tickets de email ou help desk; chat deflection refere-se ao chat em direto. Em todos os casos, um contacto é defletido quando o cliente resolve o problema através de self-service em vez de um agente humano.

A call deflection prejudica a experiência do cliente?

Só quando é mal feita. A deflection que atira os clientes para menus sem saída ou bots que não os conseguem compreender aumenta a frustração e o churn. A deflection que dá uma resposta rápida e correta através de self-service melhora a satisfação, porque a maioria das pessoas prefere resolver um problema simples em segundos a esperar numa fila.

Como é que a IA melhora a call deflection?

Um assistente de IA bem fundamentado compreende a pergunta do cliente nas suas próprias palavras e responde com base nos seus dados reais, a sua base de conhecimento para perguntas flexíveis e ações em tempo real para perguntas exatas, como estado da encomenda ou faturação. Isso permite-lhe resolver uma gama muito mais ampla de problemas do que uma FAQ estática ou um bot de árvore de decisão, e transferir de forma limpa para um humano quando um contacto realmente precisa disso.

Relacionados

Deflection só ganha má fama quando evita resolver. Construa self-service que resolve, e "deflection" passa a ser o momento em que um cliente foi ajudado antes sequer de ter de esperar.