Linguagem natural avança no e-commerce
Adoção da tecnologia cresceu 233% no último ano, segundo Google Cloud, mostrando que o comércio digital tenta tornar a jornada de compra menos cansativa investindo em um diálogo mais eficiente entre chats e consumidor
Quem compra pela internet certamente já teve a experiência de pesquisar usando um termo genérico em um e-commerce e receber resultados diferentes do esperado. Ou simplesmente obter uma página em branco como resultado daquela busca.
Imagine, por exemplo, estar em um site de móveis, buscar por “mesa de jantar” e ter um total de zero itens encontrados. É um tanto estranho, mas acontece. Seja pela falta de um acento, ou porque digitou uma letra errada, a sensação de não se fazer entender por algo tão mínimo leva muitos usuários a avaliar que insistir naquela compra trará uma série de atritos, além de frustração.
Nos últimos dias, a divulgação da 4ª edição do FlashBlack do Google Cloud, um estudo voltado para experiência de compra no mercado varejista, revelou em que pontos os sites estão falhando no atendimento ao cliente e como estão se saindo na hora de atendê-los (e entendê-los).
Ao analisar 29 milhões de dados sobre os 30 principais e-commerces do Brasil de diversas categorias, como moda, esportes, drogaria, beleza e pet shops, de 1 de novembro a 1 de dezembro de 2023, o material levanta pontos muito relevantes de melhoria, em especial o uso de linguagem natural no e-commerce.
Para aqueles que já tiveram algum tipo de contato com assistentes virtuais, como Siri e Alexa, ou que já trocaram mensagens com chatbots no WhatsApp, ou aceitaram a sugestão de escrita do Gmail, provavelmente já interagiram com um sistema que realiza processamento de linguagem natural.
Já presente em vários momentos do nosso dia a dia, essa tecnologia permite que as máquinas compreendam nossa linguagem ou até mesmo nossa intencionalidade e se comuniquem conosco. Isso significa que os chatbots estão utilizando inteligência artificial generativa para adaptar seu discurso e aumentar o entendimento conversacional.
COMUNICAÇÃO MENOS LIMITADA
A expectativa, segundo Marisa Kinoshita, gerente sênior de marketing do Google Cloud Brasil, é que encontremos cada vez menos chatbots com comunicação robótica limitada, sem se prender às opções de um menu pré-determinado.
E o resultado deste ano é bem mais otimista. Enquanto na edição de 2023 apenas 3 das 25 empresas analisadas utilizavam chatbot com linguagem natural, desta vez, o registro foi de que 12 das 30 empresas pesquisadas passaram a adotar essa tecnologia, resultando em um aumento de 233%.
Apesar disso, apenas um chatbot utilizou análise de sentimento, aspecto também necessário para humanizar o atendimento e que consegue analisar grandes volumes de dados e simplificar a tarefa de compreender os sentimentos do consumidor.
Conhecido como mineração de opinião, ou Emotion AI, esse processamento da linguagem natural e análise de texto trabalha para extrair o conteúdo emocional por trás das palavras. E pode ser usado para entender atitudes, ideias ou pensamentos expressos na web.
Ou seja, a ferramenta vai além da leitura básica de dados, e reconhece nuances linguísticas como sarcasmo, frustração e raiva, proporcionando uma interpretação bem mais precisa de como o cliente se sente com relação a sua marca.
Isso permite que um bom chat responsivo tome decisões personalizadas para aquele contexto, como encaminhar para um atendente humano ou oferecer soluções alternativas para a situação do usuário.
Com ela também é possível classificar e agrupar os sentimentos, identificando tendências e padrões ao longo do tempo. Por fim, é importante afirmar que a inteligência artificial facilita uma tarefa, que manualmente seria demorada e impraticável.
Na contramão disso, as recomendações personalizadas – essenciais na jornada do cliente – pouco avançaram. Apenas 3 dos 30 e-commerces recomendaram produtos com base no histórico de busca no próprio site e aplicativo.
Para Marisa, é preciso evoluir nesse processo, dando mais contexto sobre o que interessa a cada consumidor e estreitando os laços entre loja e cliente. A ideia é que o cliente se sinta como sendo atendido pelo seu vendedor favorito, que conhece seus gostos como ninguém, toda vez que entrar no site do e-commerce.
PROBLEMAS NAS BUSCAS
O estudo mostra que ter um sistema de busca atualizado e eficiente dentro dos e-commerces ainda é uma lacuna. Em um exemplo de busca semântica, a especialista argumenta que ao pesquisar pelo termo “rosto ressecado” em um site de produtos de beleza, espera-se obter resultados que indiquem hidratantes especiais para peles ressecadas.
Isso quer dizer que, na prática, as buscas se tornaram diálogos, e o e-commerce precisa estar um passo à frente do consumidor. Pois, nem sempre o que se pesquisa é exatamente o que se deseja encontrar. E a inteligência artificial generativa consegue ajudar os e-commerces a entenderem essa real intenção de busca.
O material mostra que 19 das 30 lojas virtuais não entregaram resultados por busca semântica. Além disso, 18 dos 30 e-commerces não entregaram resultados quando há algum erro de digitação na busca.
Outro ponto é que oito dos 30 e-commerces tiveram erros de “timeout” (quando a página não carrega) e 23 tiveram algum tipo de falha durante a compra, como um botão que não funciona.
Apenas um e-commerce conseguiu compreender mensagem de áudio. Esse não é um resultado que demonstra inabilidade dos “robôs” atendentes, mas mostra um recorte preocupante da falta de acessibilidade dos sites e apps de vendas digitais. Apesar de 8,9% da população possuir algum tipo de deficiência, os e-commerces ainda não estão adaptados para proporcionar uma boa experiência a esse público.
O dia da entrega é outro problema, principalmente para quem mora em casa ou apartamento sem porteiro. Apenas metade dos sites analisados tem opção de agendamento de entregas. Dos 30, apenas 2 tinham entrega em até um dia.
Mesmo com linguagem natural, rápida, responsividade e bom entendimento entre chatbot e usuário, a pesquisa mostra que ainda há questões que apenas um ser humano pode tratar.
Marisa cita como exemplo casos de continuidade de atendimento. Quando mesmo após elaborar uma conversa inteira com o “robô”, o usuário precisa ser transferido a um novo atendente humano e ainda precisa repetir toda a situação novamente.
Apenas cinco de 14 chatbots que disponibilizam atendimento humano deram continuidade ao atendimento a partir do histórico de conversa tido anteriormente. Se já é cansativo perder tempo explicando uma situação ou problema uma vez, imagine duas?
