A demanda do time de Customer Success é, na prática, um problema de organização de informação: mensagens chegam misturadas e isso torna a resposta lenta.
O pensamento computacional resolve exatamente esse tipo de situação, quebrando a confusão em partes tratáveis.
Conforme o desafio vou abordar 4 itens:
Decomposição
O "atendimento confuso" é grande demais para resolver de uma vez. Vamos separar os pedidos por categoria de assunto, exemplo:
- Acesso login, senha, conta bloqueada, autenticação.
- Pagamento pagamento, notas fiscais, troca de plano, reembolso.
- Uso da plataforma : erros em funcionalidades e dúvidas
Com isso, em vez de tratar "todos os problemas", o time passa a tratar filas menores e bem definidas.
Reconhecimento de padrões
Podemos usar a IA aqui para detectar esses padrões dentro de cada categoria e criar um FAQ contextual para IA.
Abstração
Aqui pegando categoria + tipo de dúvida conseguimos criar modelos reutilizáveis:
Templates de respostas para cada dúvida recorrente.
Uma FAQ ou base de conhecimento organizada por categoria e problemas.
Eventualmente, um chatbot ou triagem automática que classifica a mensagem antes mesmo de chegar a um humano.
Algoritmo
Elaboramos um fluxo de decisão que pode ser seguido por uma pessoa ou por um sistema:
- Recebe a mensagem
- Classifica a categoria (acesso / pagamento / uso)
- Identifica o tipo de dúvida dentro da categoria
- Existe resposta-padrão para essa dúvida?
se SIM, envia resposta padrão ou link FAQ
e depois pergunta se resolveu
se resolveu encerra
Aqui se as condições acima não foram satisfeitas encaminha para um atendente ou setor responsável
O ganho não vem de um único tópico mas sim a junção de todos os tópicos acima Decompor, Reconhecer Padrões, Abstrair e Resolver em sequência compucional lógica.
