Klient, który nie składa reklamacji, nie zawsze jest klientem zadowolonym. Część klientów po prostu przestaje zgłaszać problemy, ogranicza kontakt z firmą albo odchodzi. AI może pomóc organizacji zauważyć takie sygnały wcześniej, ale pod warunkiem, że jest wykorzystywane do analizy głosu klienta, a nie jako substytut decyzji biznesowej.

Kim są „silent sufferers”?

Bill Price, były Global VP of Customer Service w Amazonie, zwraca uwagę na grupę klientów, których określa jako silent sufferers – osoby doświadczające problemów, ale niezgłaszające ich firmie.

W wywiadzie dla CustomerThink Price przywołuje analizę około 300 publikacji naukowych dotyczących zachowań klientów składających skargi. Według jego zestawienia część klientów, którzy nie zgłaszają problemów, charakteryzuje się bardzo wysokim poziomem odejść. W przywoływanych badaniach wskaźniki churnu sięgały od 60% do niemal 90%.

To rozróżnienie jest istotne, bo nie każdy klient, który milczy, ma problem. Można jednak śmiało założyć, że brak zgłoszenia nie jest wystarczającym dowodem dobrego doświadczenia. W praktyce organizacja może mieć więc dwa różne typy klientów, których z zewnątrz trudno od siebie odróżnić:

  • klienta, który jest zadowolony i nie ma powodu kontaktować się z firmą,
  • klienta, który ma problem, ale uznał, że zgłaszanie go niczego nie zmieni.

Z perspektywy firmy obaj milczą. Konsekwencje biznesowe mogą być jednak zupełnie różne.

Dlaczego tradycyjny program Voice of Customer może ich nie wychwycić?

Program Voice of Customer często zaczyna się od pytań zadawanych klientom: o satysfakcję, rekomendację, ocenę kontaktu czy doświadczenia w konkretnym punkcie styku. To potrzebne źródła wiedzy, ale nie wyczerpują obrazu.

Głos klienta powinien pochodzić z wielu źródeł: badań, rozmów z klientami, reklamacji, korespondencji, czatów, social mediów, nagrań rozmów, komentarzy z badań czy danych dotyczących zachowania klientów. Szczególne znaczenie mają źródła głosu niezamówionego, czyli informacje pojawiające się w naturalnym przebiegu relacji z firmą.

To właśnie tutaj pojawia się przestrzeń dla AI, którą warto wykorzystać (z głową) do znacznie bardziej zaawansowanych rzeczy niż samo odpowiadanie klientom na czacie. Jednym z ciekawszych zastosowań jest wykorzystanie AI do analizy tego, co klienci już powiedzieli lub zrobili.

Co AI może zauważyć w głosie klienta?

Organizacja może mieć tysiące albo miliony pojedynczych informacji o doświadczeniach klientów. Człowiek nie jest w stanie przeczytać i przeanalizować ich wszystkich. AI może więc pomóc znaleźć powtarzające się wzorce, na przykład:

  • określone problemy pojawiające się w rozmowach z contact center,
  • powtarzające się przyczyny reklamacji,
  • negatywne komentarze pojawiające się po konkretnym etapie procesu,
  • problemy dotyczące określonego produktu lub punktu styku,
  • sytuacje, w których klienci wielokrotnie próbują osiągnąć ten sam cel,
  • sygnały frustracji, rezygnacji lub niezrozumienia,
  • różnice między tym, co firma zakłada o doświadczeniu klienta, a tym, co wynika z jego wypowiedzi.

Na AI warto patrzeć jak na narzędzie wspierające analizę głosu klienta. Jednocześnie analiza nie kończy się na samym znalezieniu wypowiedzi. Kolejne kroki to identyfikacja punktów bólu, ich przyczyn i wypracowanie zmian. To ważna granica.

AI może pomóc znaleźć sygnał. Organizacja nadal musi zdecydować, co ten sygnał oznacza i co z nim zrobić.

Dlaczego człowiek nadal jest potrzebny?

Bill Price mówi w wywiadzie o potrzebie human-in-the-loop, czyli kontroli człowieka nad wynikami pracy AI. Zwraca uwagę, że modele mogą popełniać błędy, wymagać doprecyzowania i generować nieprawdziwe informacje. Dlatego wyniki ich pracy powinny być sprawdzane przez osoby posiadające doświadczenie.

W pracy z głosem klienta problem jest jeszcze szerszy. AI może wskazać, że określona grupa klientów często używa słów związanych z frustracją. Nie odpowiada jednak automatycznie na pytanie, dlaczego ten problem powstaje i czy jego rozwiązanie powinno być priorytetem dla organizacji.

Do tego potrzebna jest wiedza o procesie, kliencie i biznesie. Obserwacje wynikające z analizy głosu klienta powinny być oddzielone od rekomendacji. Obserwacja opisuje sytuację, która została zdiagnozowana na podstawie zebranego głosu klienta. Rekomendacja jest ekspercką propozycją działania, ale decyzja o wdrożeniu pozostaje po stronie organizacji.

To podejście dobrze pasuje do pracy z AI, która może zwiększyć skalę analizy, jednak nie powinno przejmować odpowiedzialności za interpretację biznesową.

AI może pomóc organizacji usłyszeć więcej głosu klienta

W dyskusji o AI w Customer Experience często skupiamy się na automatyzacji kontaktu z klientem. Chatbot odpowie na pytanie, agent dostanie podpowiedź, a klient otrzyma informację bez rozmowy z konsultantem. Bill Price pokazuje jeszcze jeden kierunek: wykorzystanie AI do analizy pełnego zbioru rozmów z klientami zamiast opierania się wyłącznie na próbkach, ankietach i średnich wynikach.

To interesująca zmiana także z perspektywy programu Voice of Customer. Jeżeli organizacja analizuje tylko niewielką część dostępnych informacji, może przeoczyć wzorce występujące rzadziej, ale dotyczące istotnego problemu.

AI może pozwolić przejść od pytania:„Jak ocenili nas klienci?” do pytań bardziej operacyjnych, np.:

  • „Co konkretnie powoduje niezadowolenie?”
  • „W którym momencie procesu pojawia się problem?”
  • „Które problemy powtarzają się najczęściej?”
  • „Jakie problemy nie trafiają do reklamacji?”
  • „Czy ten sam problem pojawia się w różnych kanałach?”
  • „Które przyczyny dotyczą największej liczby klientów?”

To już nie jest samo mierzenie doświadczeń, lecz praca nad ich zrozumieniem.

Milczący klienci wymagają szerszego spojrzenia na VoC

W dojrzałym programie VoC źródłem wiedzy nie jest jedna ankieta. W CustomerMatters wyróżniamy między innymi głos zamówiony, niezamówiony i wydedukowany. Wśród źródeł mogą znaleźć się reklamacje, maile, rozmowy z contact center, czaty, social media, komentarze z badań, wywiady czy ścieżki zapisane w CRM. Im więcej tych źródeł można ze sobą zestawić, tym większa szansa na zauważenie problemu, którego klient nigdy nie opisał wprost. Przykładowo klient może:

  1. nie złożyć reklamacji,
  2. kilka razy kontaktować się z firmą w tej samej sprawie,
  3. nie wystawić oceny,
  4. zacząć korzystać z produktu rzadziej,
  5. ostatecznie odejść.

Każdy z tych sygnałów osobno może niewiele znaczyć, lecz razem mogą wskazywać na konkretny problem w doświadczeniu. AI może pomóc takie wzorce odnaleźć.

Co zrobić ze znalezionym problemem?

Samo wykrycie „silent sufferer” nie poprawi jego doświadczenia. Potrzebna jest dalsza część procesu: analiza przyczyny, decyzja biznesowa i zmiana.

W modelu zamkniętej pętli usprawnień CustomerMatters proces ten obejmuje cykliczne zbieranie i analizowanie głosu klienta, analizę przyczyny, decyzję biznesową, poprawę oraz późniejsze monitorowanie i raportowanie wyników. Dlatego AI powinno być traktowane jako element większego procesu. Może przyspieszyć:

  • zebranie informacji,
  • uporządkowanie danych,
  • znalezienie wzorców,
  • wskazanie potencjalnych punktów bólu,
  • przygotowanie materiału do dalszej analizy.

Ale później potrzebne są decyzje organizacji:

  • czy problem jest istotny,
  • ilu klientów dotyczy,
  • jaka jest jego przyczyna,
  • jaki jest koszt rozwiązania,
  • jaki może być efekt biznesowy,
  • kto powinien wprowadzić zmianę.

Właśnie tutaj zaczyna się odpowiedzialność biznesu.

Czy AI powinno zastąpić człowieka w analizie głosu klienta?

AI może przejąć znaczną część pracy związanej z przetwarzaniem dużych zbiorów danych. Nie powinno jednak oznaczać rezygnacji z ludzkiej oceny. Najlepszy model to współpraca:

To szczególnie ważne w Customer Experience, ponieważ dane o kliencie są tylko początkiem pracy. Celem programu Voice of Customer nie jest zebranie jak największej liczby opinii, tylko wykorzystanie wiedzy o kliencie do podejmowania lepszych decyzji i wprowadzania zmian.

Co AI zmienia w programie Voice of Customer?

Najciekawsza zmiana może dotyczyć skali. Przez lata organizacje musiały wybierać próbki rozmów, prowadzić badania, analizować wyniki i pracować na zagregowanych danych. AI może znacząco zwiększyć zakres informacji, które można przeanalizować.

Nie oznacza to jednak, że każda organizacja potrzebuje kolejnego narzędzia AI. Najpierw warto odpowiedzieć na prostsze pytania:

  1. Jakie źródła głosu klienta mamy dzisiaj?
  2. Które z nich analizujemy?
  3. Jak często to robimy?
  4. Jakie problemy jesteśmy w stanie wykrywać?
  5. Czy potrafimy wskazać ich przyczyny?
  6. Co dzieje się z informacją po analizie?
  7. Kto podejmuje decyzję o zmianie?
  8. Czy monitorujemy efekt wdrożonych usprawnień?

Dopiero potem warto pytać, gdzie AI może ten proces przyspieszyć.

Najważniejsza lekcja z historii „silent sufferers”

Klient, który niczego nie mówi, nie daje nam automatycznie pozytywnego sygnału. Dlatego organizacja, która chce dobrze rozumieć doświadczenia klientów, powinna patrzeć szerzej niż na wyniki ankiet i liczbę reklamacji.

AI może pomóc zobaczyć więcej. Może przeanalizować informacje, których człowiek nie byłby w stanie przetworzyć w rozsądnym czasie. Może wskazać wzorce ukryte w rozmowach i innych źródłach głosu klienta. Ale dopiero człowiek może nadać tym obserwacjom znaczenie w kontekście konkretnej organizacji.

Przede wszystkim należy pamiętać, że analiza ma prowadzić dalej: do znalezienia przyczyn, decyzji biznesowej i zmiany. To właśnie ten etap, a nie korzystanie z AI, decyduje o tym, czy organizacja rzeczywiście słucha klienta.

FAQ

Kim są silent sufferers?
To klienci, którzy doświadczają problemów, ale ich nie zgłaszają. Brak kontaktu z firmą nie musi oznaczać dobrego doświadczenia.

Czy AI może wykrywać niezadowolonych klientów?
Może wspierać analizę wielu źródeł danych i wyszukiwać wzorce wskazujące na problemy klientów. Interpretacja tych sygnałów wymaga jednak kontekstu i ludzkiej oceny.

Czy AI zastąpi pracowników analizujących głos klienta?
AI może automatyzować część pracy analitycznej, szczególnie przy dużych zbiorach danych. Decyzje dotyczące znaczenia problemu, priorytetów i zmian pozostają po stronie organizacji.

Jak wykorzystać AI w programie Voice of Customer?
Najpierw należy określić źródła głosu klienta, sposób ich analizy i proces przechodzenia od obserwacji do zmiany. Dopiero na tej podstawie warto zdecydować, które elementy procesu można wesprzeć AI.