O Enigma do Churn: Um Desafio Crescente
Neste artigo exploramos um desafio recente que foi trazido para nós por um aplicativo de descontos. A empresa tinha altas taxas de instalações, mas uma perda rápida de usuários após o primeiro uso. Este processo é conhecido como “churn” – o termo que indica o nível de satisfação do cliente.
A evasão, ou churn, chegava aos patamares vezes maiores do que os 5% comumente considerados a média no mercado de SaaS. Era claro: o aplicativo atraía, mas não conseguia fidelizar. Era necessário entender sobre as expectativas reais dos usuários.
Nosso projeto tinha o objetivo de identificar a causa da evasão. Essa compreensão deveria ser transformada em uma estratégia efetiva para re-engajar os usuários. Tínhamos que ir além das métricas usuais e mergulhar nas experiências, emoções e desejos dos usuários, descobrindo o que realmente os motivava.
Abordagem Empática e a Força das Entrevistas
Um aspecto crucial de nossa abordagem foi entender por que métodos convencionais, como questionários enviados aos usuários, não seriam eficazes nesse contexto.
Primeiramente, muitos usuários desistiam do aplicativo após o primeiro uso e, consequentemente, tinham pouco interesse em fornecer feedback através de questionários. Além disso, os questionários tendem a ser mais úteis na validação de hipóteses sobre o público alvo quando essas já são formuladas.
No nosso caso, as causas do churn eram desconhecidas. Portanto, a tarefa era exatamente formular as hipóteses embasadas sobre o que poderiam ser elas.
As pesquisas de experiência do usuário apontavam para um aplicativo tecnicamente sólido e uma interface intuitiva. Mesmo assim, existia algo mais sutil e profundo afetando a retenção dos usuários. Para entender o que o cliente precisa, decidimos utilizar entrevistas em profundidade. Esta técnica pode ajudar a explorar as experiências e percepções dos usuários de maneira mais holística e reveladora.
As entrevistas não eram meras conversas; eram verdadeiras explorações das experiências dos usuários com o app. Cada entrevista era uma janela para entender não apenas o que os usuários pensavam, mas como se sentiam e o que realmente valorizavam.
Otimizando os Recursos na Condução das Entrevistas
Na prática, a realização de entrevistas em pesquisas é frequentemente um dueto. Isso se deve à complexidade de se manter atenta ao fluxo dinâmico da conversa.
As sutilezas, como mudanças de expressão, pausas reflexivas e sorrisos reveladores, fazem parte. É necessário não perdé-las enquanto se formula as perguntas seguintes e se registram os insights cruciais. É um verdadeiro desafio equilibrar a atenção e a documentação necessárias no mesmo tempo.
No nosso caso, tivemos a restrição de ter apenas uma pessoa entrevistadora por sessão. Para superar isso, adotamos a gravação das entrevistas, com a devida permissão dos usuários. A estratégia nos permitiu capturar cada momento significativo da interação. Posteriormente, pudemos revisitar o material gravado.
Este método ajudou a não perder nenhuma observação importante e valiosa. Realizamos uma análise mais profunda e minuciosa, crucial para a nossa compreensão das necessidades dos usuários.
Inovação Analítica: Poder do Processamento de Linguagem Natural (PLN)
A cada entrevista, emergiam múltiplos insights valiosos que demandavam uma catalogação rápida, lógica e fundamentada. O desafio no processamento desses dados nem sempre é evidente de fora.
Quando várias pessoas estão envolvidas na análise, existe o risco de um “drift” conceitual. Ou seja, diferentes pesquisadores podem interpretar e classificar os insights sobre expectativas do cliente de maneira divergente. A causa é a ambiguidade da linguagem humana. Isto leva a comparações inconsistentes – comparar “bananas com maçãs”, por assim dizer.
Por outro lado, centralizar o processo de análise numa única pessoa garante consistência, mas reduz a escalabilidade e aumenta o tempo de processamento.
Nossa solução foi empregar técnicas avançadas de processamento de linguagem natural. Esta abordagem nos permitiu analisar grandes volumes de dados de entrevistas de forma consistente e eficiente, sem drift conceitual e com escalabilidade.
Para poder analisar o material de forma escalável, começamos por transformar os vídeos e áudios das entrevistas em textos transcritos. Depois utilizamos as técnicas de reconhecimento de entidades nomeadas (NER, em inglês) para identificar alguns elementos nos dados, como marcas e produtos mencionados. Os métodos clássicos de Machine Learning (ML) e redes neurais fizeram parte da compreensão das nuances e contextos das conversas.
Essa combinação de tecnologias de PLN nos permitiu segregar e destacar as repetições de percepções. Fomos capazes de extrair e sumarizar trechos mais relevantes para a análise. Conseguimos compilar mapas de empatia e necessidades dos usuários para uma visão detalhada das expectativas dos nossos clientes.
Esse processo nos levou ao desenvolvimento de hipóteses mais alinhadas e efetivas para atender a essas necessidades.
Lições Aprendidas: A Complexidade do Valor ao Usuário
Gerar hipóteses sobre o que realmente agrega valor ao usuário é uma arte complexa e nunca trivial. A situação comum é quando os usuários têm dificuldades para expressar com clareza suas verdadeiras necessidades e desejos. Isso ocorre porque muitas vezes falta uma auto reflexão ou a capacidade de articular claramente o que buscam em um produto ou serviço.
O desafio é amplificado quando os usuários solicitam funções específicas que, após implementadas, acabam sendo pouco utilizadas. Esse fenômeno ilustra a desconexão que pode existir entre o que os usuários pensam que precisam e o que realmente valorizam.
Neste contexto, as entrevistas realizadas por pesquisadoras empáticas e atentas se mostram uma ferramenta valiosa. No entanto, as entrevistas é apenas a primeira etapa do processo.
A análise subsequente dessas interações é tanto quanto crítica. Neste momento a tecnologia foi a nossa grande aliada graças ao poder de processamento de linguagem natural. Com ele, conseguimos processar e analisar as informações coletadas de forma rápida e mantendo a estabilidade dos dados, sem desvios interpretativos.
Com a sensibilidade humana e tecnologia eficaz fica mais fácil avançar. Entendemos melhor as expectativas do usuário, criamos uma lista de insights e formulamos hipóteses para ações realmente úteis em tempo record.
Alguns resultados da pesquisa que podemos compartilhar. Você sabia que os descontos em algumas circunstâncias podem ser percebidos como uma tentativa de fraude ou engano? Para umas pessoas as ofertas significam alegria e oportunidade. Para outras, são motivos de ficar em alerta para não sofrer com prejuízo emocional ou financeiro.
Antes de sair aplicando uma política de descontos para aumentar as vendas, pense em cada cliente que pode aproveitar as ofertas. Fica a dica.
Aplicações Futuras: Expandindo o Horizonte do NLP
Desde 2018 estamos explorando como as abordagens tecnológicas e de PNL podem ser aplicadas em desafios empresariais, com novas perspectivas e soluções. Nos próximos artigos vamos falar sobre o sucesso do cliente na etapa de pós venda. Exploraremos mais aplicações do NLP que a empresa pode usar no entendimento das necessidades do cliente, atendimento ao cliente, relacionamento com clientes. Acompanhe 😉