Quando você está pesquisando algo on-line e o recurso de preenchimento automático entra em ação, os resultados podem ser.... não exatamente o que você está procurando: "Quem é... a mãe de Jon Snow?" Isso é tão comum que há blogs dedicados às melhores falhas de autocorreção de todos os tempos.
Mas quando você está procurando informações no site de uma empresa, resultados de pesquisa imprecisos ou irrelevantes não são tão engraçados. Em vez disso, eles são uma fonte de frustração, e você pode decidir tentar o site de um concorrente.
Os visitantes do seu site estão lá para obter informações, interagir com sua empresa ou talvez até mesmo comprar algo. Portanto, qualquer resultado que os desvie do caminho, por mais divertido que seja, prejudica a experiência do cliente (CX). Pior ainda, eles podem prejudicar seu resultado final.
Esses tipos de erros são comuns na pesquisa tradicional, ou lexical. Esse tipo de pesquisa é baseado em palavras-chave. Ela só pode encontrar uma correspondência exata para sua consulta. Ela não consegue entender o contexto ou as nuances, como sinônimos ou homônimos. Se você não digitar as palavras-chave exatas, ela não encontrará a resposta.
É nesse ponto que a pesquisa semântica pode ajudar. Usando o processamento de linguagem natural (NLP) e o aprendizado de máquina (ML), ela pode tornar os resultados da pesquisa mais precisos, combinando palavras e frases com a intenção do pesquisador.
O problema com a pesquisa convencional
Tomemos, por exemplo, um cliente de um banco que deseja enviar dinheiro para um membro da família no exterior. Ela visita o site do banco para obter instruções de como fazer e digita "internacional". O preenchimento automático oferece como opção "transferência eletrônica internacional". Isso fornece imediatamente a informação que ela está procurando e provavelmente a deixa com uma impressão positiva do banco.
Mas talvez o cliente não esteja familiarizado com a terminologia bancária convencional e, em vez disso, digite: "como faço para enviar dinheiro para o exterior?" Com a pesquisa lexical, não há nenhuma correspondência para sua consulta, e o preenchimento automático fornece sugestões que variam de "como faço para transferir dinheiro" a "como faço para alterar minha senha".
Nesse caso, os resultados não são os que ela está procurando. Para obter uma resposta, ela precisa ligar ou enviar um e-mail para a equipe de suporte ao cliente do banco. É um incômodo para uma consulta tão simples, portanto, é mais provável que ela saia dessa experiência com um sentimento negativo em relação ao banco.
Isso também não é ideal para o banco, pois cada chamada ou e-mail para a central de suporte custa tempo e dinheiro que poderiam ser evitados com ferramentas de autoatendimento mais robustas.
Por que a capacidade de localização é essencial para a CX
Os resultados de pesquisa e as recomendações de preenchimento automático são tão fortes quanto os dados que você preencheu previamente em sua base de conhecimento. Na maioria dos casos, uma base de conhecimento será influenciada pela cultura corporativa ou pela linguagem do setor, e não pelas diversas maneiras pelas quais um cliente pode realmente pesquisar informações.
Se você espera que os usuários falem o idioma da sua empresa em vez de a sua empresa falar o idioma deles, é mais provável que a sua equipe de atendimento ao cliente receba mensagens de clientes frustrados com solicitações simples que não podem ser atendidas.
A pesquisa semântica pode ajudá-lo a fechar a lacuna de comunicação. Criar uma biblioteca de léxico, mantê-la atualizada e ativá-la com inteligência artificial permite que você responda o que seus clientes querem dizer em vez de responder o que eles digitam. Resultados mais precisos significam clientes mais satisfeitos. E clientes mais satisfeitos significam menos solicitações de suporte.
As falhas do preenchimento automático podem ser engraçadas quando não há nada em jogo. Mas elas não são motivo de piada quando se trata de proporcionar uma experiência excepcional ao cliente.
