Pular para o conteúdo

Guia

Análise de texto no atendimento: como funciona e exemplos

O que é análise de texto? Veja como ela transforma tickets, chats e e-mails em temas, sentimento e intenção, com exemplos de atendimento e monitoria.

· Atualizado em · 6 min de leitura

Revisado por Dominik Blattner, fundador da Kaizo

O que é análise de texto (text analytics)? É a análise automatizada de textos escritos, como tickets, chats e e-mails, para extrair temas, sentimento e intenção em escala. Ela permite que uma equipe de atendimento entenda todas as conversas escritas, e não só uma pequena amostra, e é a metade escrita da análise de conversas.

Em resumo

  • A análise de texto transforma linguagem não estruturada em dados que você pode medir e pesquisar.
  • Ela funciona em quatro passos: coletar, limpar, classificar e reportar.
  • Na monitoria de qualidade, revela momentos de qualidade e de coaching.
  • Em CX, mostra o que os clientes pedem e como se sentem.
  • As melhores ferramentas ligam cada nota às palavras exatas por trás dela.

Como a análise de texto funciona

A análise de texto funciona coletando as conversas escritas, limpando o texto, classificando-o com processamento de linguagem natural e apresentando os resultados como campos que a equipe pode filtrar e acompanhar ao longo do tempo.

Passo 1: coletar o texto

O texto vem de onde as conversas já estão: o helpdesk, a ferramenta de chat, a caixa de e-mail, os comentários de pesquisas ou os sites de avaliação. Como roda automaticamente nesses sistemas, a análise de texto consegue processar continuamente todo o volume de tickets e chats, e não a pequena porcentagem que uma equipe conseguiria ler à mão.

Passo 2: limpar e estruturar

As conversas brutas trazem assinaturas, respostas citadas, respostas automáticas e erros de digitação. O texto é dividido em mensagens, o autor de cada mensagem é identificado (cliente ou atendente) e o ruído é removido, para que a análise leia o que de fato foi dito.

Passo 3: classificar com processamento de linguagem natural

Em seguida, modelos de linguagem classificam cada mensagem ou conversa: agrupam por tema, avaliam o sentimento como positivo, neutro ou negativo e detectam a intenção do cliente, por exemplo um pedido de reembolso, um relato de bug ou um cancelamento. Os sistemas mais antigos dependiam de regras de palavras-chave; os modelos atuais leem o contexto, então fica menos provável deixar passar a mensagem educada de um cliente insatisfeito.

Passo 4: reportar e agir

O resultado são dados estruturados: contagens por tema, tendências de sentimento e proporções de intenção que a equipe pode filtrar e detalhar. O passo útil é o último, em que cada padrão abre as conversas por trás dele e vai para alguém que pode resolvê-lo.

O que a análise de texto extrai

A análise de texto converte a escrita livre em cinco tipos de sinal: temas, sentimento, intenção, qualidade e tendências, e a equipe pode filtrar e agir com base em cada um deles.

SinalO que capturaExemplo no atendimento
TemasOs assuntos sobre os quais os clientes escrevem, agrupados automaticamente“Cobrança”, “login”, “atraso na entrega”
SentimentoSe o tom do cliente é positivo, neutro ou negativoFrustração crescente nos tickets de entrega
IntençãoO que o cliente quer: um reembolso, uma correção, um cancelamento e maisPedidos de cancelamento em alta depois de um reajuste de preço
QualidadeO quanto a resposta escrita de um atendente cumpre os seus critériosEtapa de verificação esquecida em alterações de conta
TendênciasComo temas e sentimento mudam ao longo do tempoUm tema novo que surge depois de um lançamento

Análise de texto no atendimento ao cliente

No atendimento ao cliente, a análise de texto lê todos os tickets, chats e e-mails para mostrar por que os clientes escrevem, como se sentem e o quanto os atendentes responderam bem, para que as equipes de QA e de CX trabalhem com o volume completo.

Na monitoria de qualidade do atendimento, a análise de texto é o que torna possível avaliar conversas escritas em escala, avaliando tickets e chats com um formulário de monitoria e revelando os momentos que valem coaching. Na experiência do cliente, ela mostra a voz do cliente (em inglês) no agregado: os motivos recorrentes de contato, onde o sentimento está piorando e quais problemas estão crescendo.

Veja como isso funciona na prática para três perguntas comuns de um líder de atendimento:

PerguntaO que a análise de texto mostraPróximo passo
Por que o volume de tickets subiu na semana passada?Um tema, “redefinição de senha”, dobrou depois de um lançamentoEnviar exemplos para o produto e publicar um artigo de ajuda
Quais clientes estão prestes a cancelar?Intenção de cancelamento e sentimento negativo nas mesmas contasEncaminhar essas conversas para um atendente sênior
Onde os atendentes precisam de coaching?Notas de qualidade baixas em um critério nos chats de cobrançaFazer coaching nesse critério com exemplos reais

A Kaizo aplica isso às conversas de atendimento: avalia cada ligação, chat e e-mail com os seus próprios critérios, acompanha o sentimento e a empatia em 100% das mensagens e mostra se uma queda vem de um processo quebrado, de um atrito no produto ou de uma lacuna de habilidade. Para o passo das descobertas às correções, veja o nosso guia de insights de atendimento.

Análise de texto vs mineração de texto, análise de sentimento e speech analytics

A análise de texto é o termo guarda-chuva para analisar a linguagem escrita; a análise de sentimento é um dos seus resultados, a mineração de texto é quase um sinônimo e o speech analytics faz o mesmo trabalho com ligações.

TermoO que fazRelação com a análise de texto
Mineração de texto (text mining)Encontra padrões em grandes volumes de textoMuitas vezes usada como sinônimo; alguns a reservam para a etapa de encontrar padrões
Análise de sentimento (em inglês)Avalia o tom de uma mensagemUm dos resultados da análise de texto
Speech analyticsAnalisa ligações gravadas, normalmente depois da transcriçãoA contraparte de voz
Conversation intelligence (em inglês)Lê voz e texto lado a lado e acrescenta fluxos de trabalhoSe apoia na análise de texto e no speech analytics

Termos relacionados

Comece com uma pergunta que os seus tickets deveriam responder

Escolha uma pergunta da tabela acima, como o motivo de o volume ter subido na semana passada, e verifique se os seus relatórios atuais conseguem respondê-la a partir do próprio texto. Se não conseguirem, mostramos em uma demo ao vivo, com dados de exemplo, como a Kaizo lê todas as conversas escritas e liga cada número às mensagens por trás dele.

Vamos conversar Conheça os Insights da Kaizo

Perguntas frequentes

Análise de texto é o mesmo que análise de sentimento?

Não. A análise de sentimento é uma parte da análise de texto e avalia o tom de uma mensagem como positivo, neutro ou negativo. A análise de texto é mais ampla: também extrai temas, intenção e sinais de qualidade das conversas escritas e mostra como eles mudam ao longo do tempo. A maioria das ferramentas de análise de texto inclui o sentimento como um entre vários resultados.

Qual é a diferença entre análise de texto e speech analytics?

A análise de texto lê textos escritos, como tickets, chats e e-mails. O speech analytics trabalha com voz e transcreve as ligações antes de analisá-las. Depois que uma ligação é transcrita, as mesmas técnicas valem para as duas. A conversation intelligence combina as duas, para que a equipe veja um mesmo problema do cliente em todos os canais em que ele apareceu.

O que a análise de texto faz pelas equipes de atendimento?

Ela permite que a equipe meça todas as conversas escritas, em vez de uma amostra manual. Revela notas de qualidade para a monitoria, os temas e as intenções que os clientes trazem e como o sentimento evolui na fila. Assim, uma impressão como “os tickets de cobrança parecem mais irritados” vira um número que você pode acompanhar e usar para agir.

A análise de texto funciona em vários idiomas?

A análise de texto moderna, construída sobre grandes modelos de linguagem, consegue classificar temas, sentimento e intenção em muitos idiomas, então uma equipe de atendimento global consegue ler todo o seu volume escrito da mesma forma em cada um deles. No início, confira os resultados em cada idioma com um falante nativo, porque a precisão varia conforme o idioma e a quantidade de dados.

Quais sinais a análise de texto extrai das conversas?

Cinco principais: os temas sobre os quais os clientes escrevem, o sentimento (positivo, neutro ou negativo), a intenção do cliente, como um reembolso ou um cancelamento, a qualidade das respostas escritas dos atendentes segundo os seus critérios e as tendências desses sinais ao longo do tempo.

Nesta página

Leituras relacionadas

Veja isso em uma demo ao vivo

Apresentamos a Kaizo com conversas de exemplo realistas, para você ver o exemplo avaliado, explicado e transformado em coaching.

A escolha de equipes de atendimento no mundo todo

  • Foot Locker
  • Canva
  • GetYourGuide
  • Instacart
  • BlaBlaCar
  • UiPath