Veja como transformei o atendimento ao cliente da Evino com tecnologia e design, resultando em uma experiência de autoatendimento exemplar, eficiência e saving.
empresa
Evino
ano
2018
cargo
Coordenador de Projetos
softwares
KPIs
Csat
A Evino é uma das maiores plataformas de e-commerce de vinhos da América Latina, fundada em 2013. Controlada pelo Víssimo Group, a Evino se destaca como a maior importadora de vinhos da Itália, França e Espanha no Brasil, oferecendo aos consumidores uma ampla seleção de rótulos com curadoria especializada, aliada à praticidade e tecnologia. A empresa teve um crescimento notável, registrando um aumento de 62% no faturamento e importando mais de 10 milhões de garrafas ao ano.
Em 2017, a Evino estava ganhando mais presença no mercado brasileiro, com um aumento aproximado de 10% no número de pedidos online a cada mês. Entretanto, sem uma estratégia de melhoria contínua, governança entre áreas e otimização dos processos, a central de atendimento também observava um aumento proporcional na quantidade de chamados nos canais digitais, chat, e-mail e telefone. A equação era simples, mas o resultado era problemático.
Mais pedidos = Mais reclamações = Mais contratações
A Evino chegou a contratar cerca de quatro novos agentes de experiência do cliente todo mês. Essa solução era temporária e insustentável no longo prazo.
Após solucionar os problemas na telefonia, continuei à frente da liderança de projetos com foco em otimizar a operação de atendimento da Evino, melhorar processos e ajustar o quadro de contratação. Desta vez, o desafio era em um canal assíncrono: A Central de Ajuda.
Parte dos atendimentos envolvia auxiliar os clientes na troca de senha, na inserção de cupons de desconto e até mesmo na seleção de vinhos, criação de contas e conclusão da primeira compra. A análise das personas revelou que a maioria dos nossos consumidores era composta por pessoas mais velhas, entre 50 e 85 anos, que tinham pouca ou nenhuma familiaridade com aplicativos, ou sites de compras online.
Embora nossos agentes fossem treinados para atender a todos os tipos de solicitações e se sentissem satisfeitos com o contato direto com os clientes, muitas dessas questões poderiam ser resolvidas pelos próprios usuários. Isso liberaria os analistas para se dedicarem a atendimentos mais complexos, que realmente requeriam um atendimento humano qualificado.
No entanto, o canal apresentava várias deficiências:
- O conteúdo não estava atualizado
- Não era suficiente para cobrir os motivos de contato
- Estava mal localizado na home do site e no app
DESAFIO: Melhorar a experiência do usuário e otimizar a central de ajuda para se tornar um canal de fato autoatendimento, abastecendo com conteúdo relevante e atualizado
2- Suporte com Mídias: Criamos materiais visuais em formatos de vídeo e GIF para ilustrar processos e esclarecer dúvidas de forma mais eficiente. O conteúdo era adaptado ao dispositivo de acesso do usuário, proporcionando uma experiência otimizada para quem acessava a Central de Ajuda via computador ou dispositivo móvel.
3- Respostas Automáticas: Implementamos machine learning para auxiliar na resposta às dúvidas dos clientes. Utilizando a base de conhecimento do Zendesk Guide, o bot sugeria artigos relevantes para que os clientes pudessem resolver seus problemas de forma autônoma.
Formulário e Chat: Ao iniciar uma conversa via chat ou preencher um formulário de contato, os usuários recebiam sugestões automáticas de artigos que poderiam ajudá-los, reduzindo a necessidade de abertura de chamados.
E-mail: Quando um cliente enviava um novo e-mail ou respondia a um existente, recebia um e-mail com o protocolo de atendimento e sugestões automáticas de artigos relevantes. Caso o cliente acessasse o artigo e resolvesse o problema, o ticket era encerrado automaticamente. Esse fluxo proporcionava ajuda em tempo real e gerenciava eficientemente o volume intenso de chamados por e-mail.
Taxa de Resolução: No lançamento, cerca de 15% dos chamados eram resolvidos automaticamente. Ao final de 2018, essa taxa aumentou para aproximadamente 26%.
Custo: Com base na quantidade de tickets resolvidos pelo bot, estimamos uma economia de R$ 31,5k entre setembro e dezembro de 2018.
