A análise de sentimento do cliente é a prática de ler o que os clientes escrevem e dizem, em tickets, chats, e-mails, avaliações e pesquisas, para entender como eles se sentem em relação ao seu produto, ao seu serviço e ao atendimento que receberam. Normalmente ela usa processamento de linguagem natural para classificar o feedback como positivo, neutro ou negativo. Equipes de atendimento a usam para perceber a frustração cedo e agir antes que ela vire um escalonamento.
Em resumo
- A análise de sentimento do cliente transforma o feedback dos clientes em uma leitura de como eles se sentem, e não só do que pediram.
- Ela cobre os clientes que as pesquisas de CSAT deixam de fora, porque as pesquisas captam sobretudo os clientes mais satisfeitos e os mais irritados.
- Os quatro tipos que as equipes de atendimento usam são a análise baseada em aspectos, a análise granular, a detecção de emoções e a análise de intenção.
- A maioria das equipes deve começar pela análise de emoções e de intenção nos tickets antigos, porque as duas usam dados que a equipe já tem.
- O sentimento funciona melhor ao lado da nota de QA e da empatia do atendente: assim você vê como o cliente se sentiu e como o atendente conduziu a conversa.
O que é análise de sentimento do cliente?
A análise de sentimento do cliente é um método que gestores de atendimento usam para avaliar o feedback dos clientes de forma rápida e precisa. Ela examina a linguagem que os clientes usam para decidir se eles se sentem de forma positiva, neutra ou negativa, e em relação a quê. O resultado mostra padrões nas reações dos clientes, para que a equipe monte estratégias que melhorem a satisfação e a experiência do cliente.
Em geral, a análise de sentimento depende de algoritmos que analisam dados de clientes como e-mails, comentários, avaliações, pesquisas e até ligações. Esses recursos servem para avaliar a linguagem usada e identificar o que o cliente sente.
Essa análise ajuda a identificar as dores, as preferências e os pontos que precisam melhorar. Ela também ajuda os líderes a encontrar tendências no feedback dos clientes e a decidir melhor como responder às necessidades ou aos problemas deles. Na Kaizo, isso fica em insights e análises de atendimento, ao lado da causa raiz e dos relatórios.
Se você quer conhecer a técnica geral por trás disso, fora do atendimento ao cliente, nosso artigo sobre o que é análise de sentimento (em inglês) cobre o básico.
Por que a análise de sentimento do cliente é importante?
A análise de sentimento do cliente importa porque não dá para oferecer uma ótima experiência sem entender como os clientes se sentem. Ela mostra o que os clientes sentem em relação a um produto ou serviço, incluindo o atendimento que receberam, e permite que a equipe identifique problemas antes que fiquem maiores. Acompanhar o sentimento ao longo do tempo revela tendências negativas enquanto ainda há tempo de corrigi-las.
Entender melhor o que os seus clientes pensam (e sentem) sobre a sua empresa permite decidir melhor ao planejar e entregar a experiência. Saber exatamente do que eles gostam ou não gostam no seu produto e no seu serviço significa que você vai conseguir:
- Oferecer experiências personalizadas
- Oferecer atendimento proativo (em inglês)
- Fazer escolhas melhores para o futuro do produto e dos usuários
- Aumentar o retorno sobre o investimento das campanhas que várias áreas da empresa conduzem
- Proteger a reputação da marca e evitar que os riscos se agravem
Ao acompanhar o sentimento dos clientes ao longo do tempo, você detecta tendências de sentimento negativo e age a tempo. Isso é especialmente importante porque permite antecipar as reclamações e manter a satisfação dos clientes no nível mais alto.
Quando entendem como os clientes se sentem e pensam, as equipes de atendimento também conseguem criar experiências personalizadas para que cada comprador receba a ajuda de que precisa. Na pesquisa CX Trends 2022 da Zendesk, 90% dos consumidores disseram estar dispostos a gastar mais com empresas que personalizam a experiência de atendimento.
Como a análise de sentimento melhora a experiência do cliente?
A análise de sentimento melhora a experiência do cliente ao mostrar tendências e padrões que as métricas de atendimento tradicionais escondem. Ela acrescenta a história por trás de um número como o CSAT, mostra quais problemas frustram os clientes desde a primeira mensagem e avisa os atendentes quando uma resposta tende a deixar um cliente irritado ainda mais irritado. Dois líderes de atendimento nos contaram como a usam.
Craig Stoss, Director of CX Transformation na PartnerHero, diz que o sentimento do cliente precisa confirmar, ou corrigir, as métricas e as metas que você normalmente mede no atendimento:
“Por exemplo, quando informamos que a nossa nota de satisfação do cliente (CSAT) subiu, sabemos que o CSAT não é totalmente preciso, porque normalmente capta os clientes mais satisfeitos e os mais irritados, e não os que estão no meio.
“É bem provável que, ao reunir o sentimento das suas redes sociais, dos comentários em avaliações, dos dados de tickets ou de outras fontes, você descubra algo que contradiz as métricas que acompanha todos os dias. Isso acontece porque você está usando um conjunto de dados mais amplo, sem o filtro de quem responde a pesquisas e a perguntas específicas e direcionadas.”
Para Craig, só isso já é essencial para a missão deles de entender o cliente a fundo e trabalhar junto com ele para criar experiências positivas:
“O sentimento é importante para a parceria. Quando pensamos em uma conversa sobre valor com os nossos clientes, sabemos que o mais importante não é a métrica, e sim a história por trás dela, o que vamos fazer com base nessa história para melhorar a métrica e o impacto dessas ações. Juntar tudo isso à métrica dá mais valor a qualquer operação de atendimento.”
Se o seu CSAT e as suas notas de qualidade contam histórias diferentes, nosso guia sobre nota de qualidade vs CSAT mostra como interpretar essa diferença.
Jaakko Jutila, Vice President of Customer Support na Basware, diz que, ao aplicar a análise de sentimento aos primeiros comentários de um cliente e aos seguintes, a equipe dele entende quais problemas específicos frustram o cliente desde o início. Essa informação se torna decisiva para priorizar o desenvolvimento do produto, eliminando funcionalidades que frustram e melhorando a experiência geral com o produto.
Ao analisar o sentimento dos clientes, a equipe de Jaakko avisa os consultores de atendimento quando uma determinada resposta pode aumentar a irritação do cliente, para que os atendentes se comuniquem de forma adequada e eficaz.
Jaakko observa ainda que uma das vantagens mais evidentes é a capacidade de evitar escalonamentos de tickets:
Para o lado dos escalonamentos, veja como as equipes de atendimento tratam a qualidade no escalonamento de atendimento.
Quais são os tipos de análise de sentimento do cliente?
No atendimento ao cliente, há quatro tipos principais de análise de sentimento do cliente: a análise baseada em aspectos, que liga sentimentos a partes específicas de um produto ou serviço; a análise granular, que classifica palavras e emoções em detalhe; a detecção de emoções, que lê o tom e a atitude nas conversas; e a análise de intenção, que descobre o que o cliente quer fazer em seguida.
Análise de sentimento baseada em aspectos
O que é:
A análise de sentimento baseada em aspectos é uma técnica que ajuda você a entender mais a fundo o que os clientes pensam sobre aspectos (ou elementos) específicos dos seus produtos ou serviços. Esse tipo de análise vai além de simplesmente classificar o feedback como positivo, negativo ou neutro, porque ajuda a identificar de quais aspectos os clientes gostam ou não gostam.
Isso dá às equipes de atendimento uma visão mais detalhada de como os clientes pensam. Por exemplo, quando você recebe uma reclamação, a análise baseada em aspectos mostra exatamente com quais partes do produto ou do serviço o cliente teve problema, a partir das palavras que ele usa para descrever a experiência. Assim você identifica e corrige o problema de fundo de uma reclamação antes que a situação se agrave. Nosso guia de análise de causa raiz no atendimento cobre esse próximo passo.
Como começar:
Para fazer uma análise de sentimento baseada em aspectos, primeiro você precisa decidir quais são os principais aspectos (elementos ou funcionalidades) do seu produto ou serviço que importam para os clientes.
Podem ser fatores como funcionalidades específicas, preço, usabilidade ou atendimento ao cliente. Como gestor de atendimento, você vai querer se concentrar no último. Isso, porém, não significa que você deva fazer essa análise sozinho. Na verdade, é uma boa ideia trabalhar junto com as outras áreas da empresa.
Depois de definir os aspectos, o mais comum é usar técnicas de machine learning (ML) ou de processamento de linguagem natural (PLN) para analisar grandes volumes de feedback dos clientes. As fontes desses insights incluem avaliações de clientes, pesquisas, publicações em redes sociais e tickets de atendimento.
Análise de sentimento granular
O que é:
Imagine dividir cada frase em palavras e classificá-las como positivas, neutras ou negativas (em inglês). Ao analisar sinais da linguagem como emoticons, pontuação, palavras que invertem o sentido e intensificadores, um algoritmo de análise de sentimento granular consegue classificar as mensagens dos clientes (até ligações e arquivos de áudio) com base nos rótulos de sentimento em que foi treinado.
Os insights da análise granular ajudam as equipes de atendimento a priorizar problemas, melhorar processos, ajustar as respostas de FAQ e os artigos da base de conhecimento e dar uma resposta mais direcionada a cada solicitação de cliente.
Como começar:
Para fazer uma análise de sentimento granular, você vai precisar de um modelo treinado em um grande conjunto de exemplos de texto rotulados com emoções específicas, como medo, satisfação, hesitação, raiva etc. Depois, você aplica esse modelo a avaliações de clientes, comentários, e-mails, transcrições e pesquisas.
O resultado costuma ser uma série de destaques no próprio texto que mostram emoções diferentes. Com base neles, você pode priorizar a resposta aos clientes que demonstram emoções negativas fortes, como raiva. Ou pode acompanhar as emoções ao longo do tempo para monitorar a reação dos clientes a uma mudança, como atualizações de funcionalidades ou mudanças na interface.
Análise focada na detecção de emoções
O que é:
Acompanhar as emoções é talvez um dos tipos mais populares de análise de sentimento do cliente, porque é fácil de aplicar e não exige configurar modelos complicados de IA.
Basicamente, consiste em analisar o tom, as emoções e as atitudes que os clientes expressam na forma como interagem com a sua empresa por canais como e-mail, redes sociais, sites de avaliação ou pesquisas e conversas de chat.
Então, qual é o seu objetivo nesse caso? Entender o que as pessoas realmente sentem em relação ao serviço e à experiência que os seus atendentes oferecem. Por exemplo, revisar tickets ajuda a identificar emoções negativas e oportunidades de melhoria. Assim, você pode conversar com os atendentes e adotar práticas melhores na forma como eles se comunicam e falam com os clientes.
Como começar:
O mais importante é entender como ler esses tickets, mensagens, publicações, avaliações ou transcrições.
Por exemplo, quando os clientes têm uma experiência negativa com a sua equipe de atendimento, muitas vezes eles são diretos ao expressar frustração e decepção, e até voltam a entrar em contato várias vezes se for preciso. Mas também podem usar uma linguagem neutra ou até positiva para expressar essa insatisfação do cliente. É exatamente por isso que o melhor é fazer a análise você mesmo e manter o contexto, prestando atenção especial à insatisfação sutil e às interações anteriores.
Lembre-se: não preste atenção só às palavras que os clientes usam. Contexto, gramática, pontuação, espaçamento, emojis e até sinais não verbais ajudam a detectar as emoções corretamente.
Foco na análise de intenção
O que é:
Quer saber exatamente o que os clientes vão fazer em seguida ou ter uma estimativa de quando estarão prontos para comprar? É aí que entra a análise de intenção.
Essa técnica ajuda os atendentes a entender a intenção ou o objetivo por trás do que o cliente diz. Assim, os atendentes podem dar respostas melhores e mais direcionadas às solicitações dos clientes. Além disso, é uma ótima ferramenta se você quer passar insights extras para as equipes de vendas ou de produto.
Como começar:
Você identifica a intenção apoiando-se em grande parte no contexto. Os clientes podem até usar palavras diferentes para expressar a mesma intenção. Por exemplo, um cliente pode perguntar “Vocês podem me mandar mais fotos do produto?” ou “Qual é a política de devolução de vocês?”. As duas perguntas têm algum tipo de intenção de compra por trás. O único problema: cada um desses clientes pode estar em uma etapa diferente do ciclo de vida. E é justamente aí que o contexto ajuda a prever a intenção mais provável.
Ao entender a intenção em cada etapa, os atendentes podem melhorar as respostas para não perder um potencial cliente ou um cliente. Como gestor, você pode analisar interações anteriores entre atendentes e clientes para ver como a equipe responde e fazer ajustes. Pequenas mudanças podem melhorar a taxa de resolução na primeira resposta, a produtividade dos atendentes (em inglês) e a taxa de satisfação do cliente (em inglês).
Como classificar mensagens de clientes como satisfeitas, neutras ou insatisfeitas?
Você classifica uma mensagem de cliente lendo as palavras, o contexto e o histórico juntos, e então atribui um único rótulo: satisfeito, neutro ou insatisfeito. As palavras sozinhas enganam, porque clientes insatisfeitos muitas vezes escrevem com educação. Observe os contatos repetidos, os retornos e o que o cliente pede em seguida, e rotule a conversa, não só uma frase.
Veja um exemplo ilustrativo de três mensagens de atendimento e de como um avaliador as rotularia:
| Mensagem do cliente | Rótulo | Por quê |
|---|---|---|
| “Deu certo, obrigado pela ajuda rápida!” | Satisfeito | Palavras claramente positivas e o problema foi resolvido. |
| “Vocês podem me enviar a nota fiscal de março?” | Neutro | Um pedido simples, sem emoção em nenhum sentido. |
| “Obrigado. É a terceira vez que pergunto sobre o meu reembolso.” | Insatisfeito | Tom educado, mas é um contato repetido sobre o mesmo problema. |
A terceira linha é a que as ferramentas baseadas em palavras-chave costumam deixar passar. É o problema da “linguagem neutra ou até positiva” da seção sobre detecção de emoções acima, e o motivo pelo qual o contexto importa mais do que qualquer palavra isolada.
Como a Kaizo mede o sentimento do cliente e a empatia?
A Kaizo avalia o sentimento do cliente e a empatia do atendente em 100% das conversas de atendimento, em cada mensagem e não em uma amostra. Os gestores podem filtrar as conversas com tendência negativa, ver como os atendentes responderam e julgar se foram empáticos o suficiente. Assim, a frustração aparece como uma tendência sobre a qual dá para agir, e não como um cancelamento.
Com a Kaizo, você pode usar os tickets para analisar o sentimento do cliente, ver como os atendentes respondem aos tickets, entender se foram empáticos o suficiente e muito mais.
A métrica Customer Sentiment da Kaizo é uma ferramenta valiosa para avaliar a satisfação do cliente e melhorar a qualidade do atendimento. Ela oferece insights sobre a experiência geral do cliente e ajuda a identificar onde as coisas podem ter dado errado.
Ao contrário de medidas tradicionais como o CSAT, essa métrica vai além das avaliações superficiais e usa processamento de linguagem natural para analisar o sentimento por trás das interações com os clientes.
Ao detectar o sentimento negativo cedo, ela permite identificar problemas de forma proativa e agir rápido para tratar as preocupações e garantir a satisfação do cliente. A métrica também destaca os pontos fortes e as necessidades de treinamento dos atendentes, o que permite um coaching direcionado e um desempenho melhor.
A métrica Empathy Score da Kaizo foi criada para avaliar e medir o nível de empatia que os atendentes demonstram durante as interações. Manter uma postura profissional, empática e positiva é essencial para os atendentes, mesmo em situações difíceis.
O Empathy Score, baseado em IA, oferece medições objetivas de empatia, garantindo avaliações consistentes entre diferentes interações e atendentes. Ele gera insights baseados em dados ao analisar padrões de linguagem, sentimento e tom, para que a equipe de QA identifique os pontos fortes e onde pode ser preciso mais treinamento. Os atendentes recebem feedback com base na nota de empatia, o que os ajuda a desenvolver as suas habilidades. Para ver como o sentimento entra em um formulário de monitoria, leia sobre a nota de sentimento na monitoria de qualidade (em inglês).
É nesse ciclo de feedback que aparece a economia de tempo. A EverHelp (caso em inglês), uma BPO com mais de 400 especialistas em atendimento, gera na Kaizo cards de coaching por atendente a partir das conversas de cada um, e o tempo de preparação do coaching caiu 75% em dezesseis domínios.
Veja nas suas próprias conversas. Vamos avaliar o sentimento em uma amostra das suas conversas e mostrar os padrões. Agende uma demo.
Como começar com a análise de sentimento no atendimento ao cliente?
Comece pelos tickets de atendimento antigos. Escolha as conversas que foram difíceis ou que levaram mais tempo do que o normal, escolha um ou dois tipos de análise de sentimento e procure padrões em como os clientes se sentiram e em como os atendentes responderam. Uma combinação de análise de emoções e de intenção é o primeiro passo mais fácil, porque usa dados que você já tem.
Se há uma coisa que você precisa lembrar agora, é que melhorar a experiência do cliente (em inglês) significa ajudar os seus atendentes a crescer. Mas você só consegue entender quais habilidades comportamentais ou técnicas precisam de mais desenvolvimento olhando como eles interagem com os clientes.
E há a segunda parte de tudo isso: entender o sentimento, as necessidades e as dores dos clientes para adaptar melhor as interações futuras.
Para ter uma boa noção do sentimento dos clientes (e do desempenho dos atendentes, já que você está nisso), comece analisando tickets de atendimento antigos. Escolha tickets que foram difíceis ou que levaram mais tempo do que o normal para serem concluídos. Depois, cabe a você decidir que tipo de análise de sentimento quer usar.
Você pode optar por fazer os quatro tipos de análise de sentimento do cliente, mas essa não é uma boa solução se você busca resultados rápidos. Recomendamos começar com uma combinação de análise de emoções e de intenção, porque são mais fáceis de implementar e exigem recursos que você já tem, como acesso aos tickets de atendimento, às avaliações de clientes ou às pesquisas.
Quando a análise de sentimento do cliente não é a ferramenta certa?
A análise de sentimento do cliente não é a ferramenta certa quando você tem pouco feedback para revelar um padrão, ou quando precisa saber se um atendente seguiu um processo. Uma equipe que trata poucos tickets por semana aprende mais lendo todos eles. O sentimento mostra como o cliente se sentiu, não se a resposta estava correta.
Alguns limites honestos para ter em mente:
- Volume baixo. Com algumas dezenas de conversas por semana, leia você mesmo. A análise de sentimento automatizada acrescenta pouco quando você consegue ver cada ticket.
- Insatisfação educada. Os clientes podem usar palavras neutras ou até positivas mesmo insatisfeitos, então um rótulo de sentimento sem contexto pode enganar.
- Correção e compliance. Um cliente satisfeito pode ter recebido uma resposta errada. É isso que um formulário de monitoria verifica, não o sentimento.
- Nenhum plano de ação. Os dados de sentimento só compensam se alguém for responsável pelo próximo passo: coaching, uma correção no produto ou uma mudança de processo.
Quando estiver pronto para ligar o sentimento à causa raiz e aos relatórios, comece pelos insights e análises de atendimento da Kaizo, ou agende uma demo para ver isso nos seus próprios tickets.
Perguntas frequentes
Qual é um exemplo de análise de sentimento do cliente?
Um líder de atendimento revisa os tickets do mês passado e rotula cada um como satisfeito, neutro ou insatisfeito. Uma mensagem como “Obrigado. É a terceira vez que pergunto sobre o meu reembolso” é rotulada como insatisfeita apesar do tom educado, porque é um contato repetido. Agrupar esses rótulos por tema mostra quais problemas mais frustram os clientes.
Quais fontes de dados a análise de sentimento do cliente usa?
Ela usa qualquer lugar em que os clientes se expressam com as próprias palavras: tickets de atendimento, conversas de chat, e-mails, pesquisas, avaliações on-line, publicações em redes sociais e transcrições. Um conjunto maior de fontes dá uma visão mais completa, porque as respostas de pesquisas só vêm dos clientes que decidem responder.
Análise de sentimento do cliente é o mesmo que CSAT?
Não. O CSAT é uma nota que os clientes dão ao responder uma pesquisa, e normalmente capta os clientes mais satisfeitos e os mais irritados. A análise de sentimento do cliente lê as próprias conversas, então também cobre os clientes do meio, que nunca respondem a uma pesquisa.
A análise de sentimento pode evitar escalonamentos?
Pode ajudar. Quando o sentimento negativo é detectado cedo em uma conversa, um gestor ou atendente pode intervir enquanto o problema ainda tem solução. A equipe de atendimento da Basware usa o sentimento para avisar os atendentes quando uma determinada resposta tende a deixar um cliente irritado ainda mais irritado.
Por qual tipo de análise de sentimento do cliente devo começar?
Comece com uma combinação de detecção de emoções e análise de intenção. As duas são mais fáceis de implementar do que a análise baseada em aspectos ou a granular, e as duas usam recursos que você já tem, como tickets de atendimento, avaliações de clientes e pesquisas.
Como a análise de sentimento ajuda no coaching dos atendentes?
O sentimento mostra como os clientes se sentiram nas conversas com cada atendente, e a nota de empatia mostra como o atendente respondeu. Juntos, eles apontam conversas específicas para o coaching, de modo que o feedback se baseia em evidências, e não em uma impressão geral.
Leia também
- O que é análise de sentimento? (em inglês)
- O que é conversation intelligence? (em inglês)
- O que é análise de conversas? (em inglês)
- Software de conversation intelligence: guia de compra (em inglês)
- As métricas de IA no atendimento que importam
