Cliente
Weather
Função
Product Designer
Linha do tempo
1 ano e 4 meses
Responsabilidades
UX Writing
Processo de Pesquisa
Análises de Dados
Wireframes
Desenvolvimento Ágil
Colaboração em time
A Weather* é líder em soluções de assistência 24 horas. Seus principais clientes são seguradoras, fabricantes de veículos, bancos, instituições financeiras e varejistas no Brasil. O desafio foi criar um contato fácil com os usuários por meio de soluções de Chatbot para diversos clientes.
O Weather precisava ajudar seus clientes empresariais a economizar dinheiro em atendimento ao cliente, substituindo empresas de call center por uma solução de comunicação e serviço fácil de usar que permitisse aos usuários se autoatenderem. O objetivo era estabelecer um suporte eficiente ao usuário, garantindo responsividade e comunicação livres de insatisfação e atrito.
A Weather já tinha um Chatbot e viu a necessidade de melhorar seus fluxos de conversação para um melhor atendimento. Iniciamos com pesquisas estruturadas, incluindo a jornada do usuário, para criar mensagens com interações aprimoradas e baseadas em heurísticas.
Para entender os usuários dos clientes da Weather, fizemos diversas entrevistas com as partes interessadas
e lançamos um MVP para coletar dados de como as pessoas navegariam na primeira versão do chatbot.
Todas essas dificuldades enfrentadas pelos usuários resultaram em um aumento significativo na utilização de outros canais de atendimento, especialmente a URA (Unidade de Resposta Audível) ou o contato telefônico para acionar assistência (call center).
“sem mais humano, pois uma situação de ajuda e desespero é horrível falar com algo q as vezes pode ser simples e a ferramenta nao entender, e outra 0800 e outro numero nem sempre funciona”
Amanda Silveira
Cliente
“Vcs pedem a localização e não aceitao a mesma...
fica dificil”
Diana Rusback
Cliente
“poderiam liberar o atendimento para ser feito por este canal"
Elizabete Flores
Cliente
“nao resolvi meu problema e me deram o telefone de capitais e regiões metropolitanas”
Marcos Alexandre
Cliente
As informações dos usuários foram retiradas de nossas análises, portanto, são verdadeiras.
A criação da persona nos ajudou a entender as necessidades e expectativas do usuário e do negócio, atuando como um arquétipo estratégico da maioria dos usuários pesquisados.
Resolução
Foi extremamente frustrante para o Renato não ter seus problemas resolvidos rapidamente. Ao procurar ajuda, em cenário de risco/medo, ele sentiu que o chatbot não era útil
Data Driven
Solucionar os problemas encontrados era
importante, mas o projeto deveria estar direcionado para a prevenção de erros, através de padrões de conversas analisadas
Entendimento
Uma das premissas da Weather em ter nos contratado, era encontrar maneiras de deixar o chatbot mais assertivo em suas respostas, por isso era necessário melhorar o entendimento dos assuntos dos usuários
Whitelabel
Precisaríamos resolver a maioria dos problemas que o Renato tinha para que
esta solução chegassem aos outros clientes da Weather, para que sem risco, pudéssemos atingir outras pessoas
Com o objetivo de definir e alinhar o problema que precisava ser resolvido, formulamos as declarações de necessidade do usuário, que nos ajudou a organizar os aprendizados sobre o ‘espaço do problema’. Assim, identificamos que diante de tantos problemas e soluções que a Weather precisava, iríamos inicialmente construir um chatbot ‘exemplo’ para se tornar um produto whitelabel, e como próximos passos, iterar a experiência dos usuários e encontrar novas features para a melhoria constante.
Em busca de um Chatbot completo
Iterar foi importante para colher boas métricas
Após dedicarmos esforços iniciais para identificar diversos problemas, conseguimos priorizar as soluções por meio de pesquisas. Desenvolvemos diversas melhorias, lançando-as rapidamente e obtendo feedbacks valiosos.
175%
foi o crescimento das aberturas de assistências, observado em comparação com o inicio do projeto, cerca de 22 mil aberturas novas em 2022.
com ajuda da cascata de validação, conseguimos melhorar a retenção de clientes, aumentar o engajamento e a compreensão do chatbot, melhorando os problemas do Renato
36%
dos usuários deixaram de precisar de contato com um atendente humano para solucionar seus problemas pelo Chatbot, tivemos redução de investimento com call centers
Tive a oportunidade de colaborar com profissionais altamente capacitados nas áreas de design, dados, desenvolvimento e inteligência artificial. Essa equipe foi fundamental para alcançarmos resultados excelentes no qual tenho imenso orgulho.
Uma das principais lições que aprendi, foi a importância de manter o usuário sempre em foco, a fim de compreender genuinamente suas necessidades. Além disso, utilizei análise de dados para validar nossas suposições e entender as demandas de todos os stakeholders envolvidos.
Esse projeto desafiador foi uma valiosa oportunidade para reconhecer minhas limitações e superá-las através de uma abordagem iterativa, na qual falhas e reestruturações foram essenciais. No final, alcançamos resultados excelentes ao aprimorar constantemente nossas soluções.