Orientada a dados, TIM reforça tecnologia para entender o sentimento do cliente
Os primeiros casos de uso de soluções analíticas na rede da TIM Brasil remontam aos anos de 2013 e 2014, quando a operadora começou a fazer uso de big data, analisando um grande volume de dados para entender o comportamento da rede e dos clientes e correlacionando indicadores de qualidade com a experiência do cliente. “A TIM é muito orientada a dados desde o início; dados sempre estiveram como espinha dorsal. Antes eram os data warehouse tradicionais e, quando tivemos acesso a big data, partimos para um segundo patamar, quando, de fato, começamos a pensar preventivamente”, diz Auana Mattar, CIO da TIM Brasil.
A executiva explica que o monitoramento das redes sempre aconteceu, mas o advento do big data trouxe a possibilidade de cruzar os dados da rede com os de negócio e retroalimentar a rede. “Sempre monitoramos a rede com a visão dos elementos; quando tivemos acesso à tecnologia de big data, cruzamos com a visão do cliente que estava dentro dos sistemas de atendimento, criando uma visão muito mais rica”, detalha.
Com big data, as análises subiram de patamar com a possibilidade de cruzar muitos eventos e ter resposta rapidamente, o que antes demorava dias ou horas de processamento. “O tipping point, o ponto de ruptura, foi ter acesso a tecnologias de big data, porque tivemos capacidade de processamento de alto volume”, sinaliza a CIO.
Hoje o cenário é outro, mais evoluído. “Saímos da questão de big data em termos de infraestrutura e passamos a usar algoritmos de machine learning, APIs de inteligência artificial. Saímos do momento de análise e cruzamento de grandes volumes de dados para predições, entendimento do sentimento do cliente, para um momento totalmente focado na jornada”, explica. Com o cliente no centro, a TIM afirma conseguir entender o contexto, o sentimento e traduzir a demanda em tomada de ação.
Os algoritmos de machine learning e inteligência artificial também têm sido aplicados para a formatação de uma URA (Unidade de Resposta Audível) cognitiva. “O atendimento na URA dá uma experiência automatizada e humanizada, porque entende o sentimento e a demanda, tentando resolver a demanda no primeiro contato. Isso leva a uma melhor experiência; com menos cliques, menos inputs tem-se a demanda resolvida.”
A CIO registra que, em 2020, houve aceleração de muitas atividades. O projeto da URA cognitiva, por exemplo, começou em dezembro de 2019 e foi executado ao longo deste ano. Agora, a TIM já retroalimenta a IA melhorando os indicadores. “O resultado, de fato, está acontecendo. Vemos o aprendizado de máquina acontecendo efetivamente, novos termos entram, são configurados na jornada, já se entende aquilo e se começa a trabalhar sem ter intervenção humana, mas com uma gestão e humanização de jornada”, conta.
A tecnologia, ressalta a CIO, vem como a grande habilitadora da jornada, para que ela fique cada vez mais humanizada e orientada a pessoas. Para tanto, é essencial compreender o sentimento do cliente quando ele entra em contato com a operadora e correlacionar, por exemplo, com as últimas interações.
Para além do autoatendimento, a TIM tem usado ferramentas analíticas para entender o perfil dos clientes e a aderência deles ao portfólio, enxergar novas demandas e oportunidades. “Através de analytics, conseguimos ser mais propositivos, temos a plataforma ‘next best action’, que aponta qual é a melhor próxima ação que posso ter com o cliente. E, com big data e machine learning, conseguimos fazer ofertas mais personalizadas, entregando algo que faça mais sentido no contexto do cliente”, diz.
A estratégia da operadora é aprimorar o serviço ao cliente, por meio de análise de cluster e não individualizada, ou seja, compondo microssegmentos de clientes. Para isso, há um uso muito intensivo de dados. “É trazer uma personalização que, dentro do mercado de telecom, é muito rica; como se fosse marketing um a um, que conseguimos por essa microssegmentação. Por exemplo, se tem um grupo de clientes que acabou de entrar, vou me preocupar em fazer onboarding e não upsell de produtos. Tudo que está por trás disto é analytics, fazendo análise de eventos real time e tomadas de decisão que são programadas de acordo com indicações nossas”, explica.