I tornado o, per dirla alla nostra maniera, i twister, sono qualcosa a cui i texani sono abituati. 100 anni fa, se volevamo sapere se stava arrivando un tornado, dovevamo o vederlo o sentirlo. “Sembra un treno merci”, diceva mio nonno che ne aveva visti alcuni. Qui, nel sud del Texas, ci troviamo alla fine del “vicolo di tornado”, un termine per la regione degli Stati Uniti che ha più tornado in assoluto: solo l’anno scorso sono stati segnalati 1.676 cosiddetti twister.

Sappiamo bene il motivo per cui i tornado si formano. Una grande massa di aria fredda si sposta su una grande massa di aria calda, creando condizioni atmosferiche instabili: l’aria calda, la più leggera delle due, si muove verso l’alto attraversando l’aria fredda, costringendo quest’ultima a spostarsi verso il basso e intorno ad essa. Se c’è abbastanza energia, questi venti impetuosi si torcono per formare la famigerata nuvola a imbuto.

Qualche decennio fa, i tornado “si abbattevano”, come direbbe mio nonno. Oggi è tutta un’altra storia: possiamo prevederne l’arrivo prima ancora che si formino. Come mai? Grazie ai dati.

Previsioni del tempo: una storia di successo

I meteorologi sono abituati a essere presi in giro. Persino Larry David si prende gioco di loro in un episodio di Curb Your Enthusiasm, sostenendo che “il meteorologo” prevede la pioggia quando non ce ne sarà, in modo tale da avere il campo da golf tutto per sé. Ma non c’è nessuna cospirazione e, nonostante ciò che la maggior parte della gente pensa, i meteorologi sono in realtà abbastanza bravi nel loro lavoro.

In effetti, la meteorologia si è da sempre rivelata utile nella previsione dei dati. Certo, a volte sbagliano (uno studio sui meteorologi televisivi a Kansas City ha scoperto che quando dicevano che c’era una probabilità del 100% di pioggia, un terzo delle volte non pioveva mai) ma, negli ultimi decenni, la nostra comprensione delle molecole nell’atmosfera, insieme alla sempre crescente potenza di calcolo, ha migliorato le nostre previsioni in ogni modo possibile, prevedendo precipitazioni e temperatura, uragani e tornado con precisione e dettagli sconvolgenti.

Tuttavia, in altre aree in cui vogliamo prevedere il futuro, le cose non sono andate altrettanto bene. Analisti sportivi, esperti politici, investitori ed economisti hanno una pessima capacità di prevedere correttamente il futuro: pensate alle elezioni del 2016, quando quasi tutti i sondaggi davano Hillary Clinton come nuova presidente degli Stati Uniti o, andando ancora qualche anno indietro, al novembre del 2007, quando, mentre la bolla stava già esplodendo, gli esperti prevedevano meno di una possibilità su 500 di un incidente economico tanto grave quanto quello che tutti avrebbero vissuto solo un mese dopo.

Non siamo molto bravi a predire il futuro

In generale, gli esseri umani non sanno predire il futuro. Questo per tutta una serie di motivi: una delle più importanti è la nostra propensione ai pregiudizi. Tendiamo a credere, molto più di quanto non sia ragionevole fare, che le cose che vogliamo che accadano accadranno. Tendiamo a elaborare nuovi dati per confermare le nostre convinzioni, molte volte ignorando i punti che non sono conformi alle nostre idee. Siamo eccessivamente ottimisti sul fatto che le cose brutte accadano solo ad altre persone e, di conseguenza, la valutazione del rischio non è il nostro punto di forza.

E, sebbene siamo in grado di costruire computer e algoritmi estremamente efficienti nel sintetizzare terabyte e terabyte di dati, noi non siamo in grado di farlo. Potremmo accorgerci di alcune tendenze nel breve periodo, ma non siamo in grado di comprendere i cambiamenti a lungo termine e le tendenze statistiche. Come ha detto Prakash Loungani, economista del Fondo Monetario Internazionale, a uno scrittore di FiveThirtyEight: “pochissime recessioni sono state previste con nove mesi o un anno di anticipo” .

La verità è che siamo andati avanti per migliaia di anni affidandoci a un approccio molto libero basato su ciò che era osservabile insieme alla nostra intuizione. Facciamo ricorso alle nostre esperienze e comprensione del mondo che ci circonda per affrontare una serie attuale di circostanze e prendere decisioni su cosa fare dopo. A essere onesti, le nostre stime funzionano anche abbastanza bene per quanto riguarda il tenerci in vita, ma non abbiamo abbastanza potere cerebrale per calcolare cose molto più complesse. Ed è qui che la tecnologia ci viene incontro.

Quando i dati vengono utilizzati correttamente, possono andare ben oltre il semplice darci i mezzi per prendere le nostre decisioni. Sono in grado di mascherare i nostri pregiudizi e le nostre carenze, mostrandoci il miglior percorso da seguire. Se riusciamo ad arrivare a un punto in cui ci fidiamo dei dati anche quando parrebbero andare contro le nostre aspettative o il nostro voler andare in una certa direzione, potremo utilizzare la tecnologia per aiutarci a prendere decisioni migliori.

Ma come si collega tutto ciò al nostro mondo della customer experience?

Pronto?

Nel 1991, quando ho iniziato a lavorare nei call center, effettuavamo le chiamate manualmente col telefono, ma già solo un anno dopo avevamo un compositore automatico: ci bastava caricare degli elenchi contenenti molte decine di migliaia di nomi e numeri di telefono, il compositore quindi effettuava le chiamate telefoniche e, in caso di risposta, la passava all’addetto. Questo cosa ci ha cambiato la vita e il nostro team è diventato più efficiente che mai.

Ma qualche mese dopo, in quanto direttori di filiale, abbiamo riscontrato un problema. Stavamo perdendo tempo a chiamare “numeri cattivi”: numeri ai quali, per un motivo o per l’altro, nessuno rispondeva mai. Così ho raccolto alcuni dati e ho capito che se un numero era stato chiamato più di 10 volte, c’era una forte diminuzione della probabilità che una persona rispondesse al telefono. E così abbiamo sviluppato un modello che abbiamo quindi applicato a ogni elenco per rimuovere questi numeri, il che ha comportato un enorme aumento della nostra efficienza.

In quel momento ho sperimentato per la prima volta il potere di utilizzare i dati per migliorare il modo in cui svolgiamo il nostro lavoro. Nel corso degli anni, ho visto sempre di più quanto tutto ciò potrebbe migliorare anche la customer experience.

Come migliorare la customer experience

Le aziende hanno accesso a una straordinaria quantità di dati dei clienti: possiamo letteralmente ascoltare ciò che i nostri clienti ci dicono. E non solo, ma possiamo anche capire cosa vogliono, qual è il loro intento, come si sentono al riguardo. E, se giochiamo bene le nostre carte, questi dati possono offrirci alcune intuizioni davvero uniche e abilitanti.

Ma raggiungere questo obiettivo è molto impegnativo. C’è un’esplosione di dati sparsi su più canali e, allo stesso tempo, le aspettative dei clienti sono in costante aumento, in quanto vogliono sempre di più che le aziende li capiscano e si impegnino in modo più concreto; per non parlare del fatto che ci sono quattro generazioni molto diverse in gioco in un ambiente globale di complessi segmenti culturali e socio-economici.

Entra in gioco la prospettiva

Per far sì che le imprese possano andare ben oltre, devono capire i comportamenti passati del cliente, prevederne le volontà e i bisogni, nonché riuscire a fornire una customer experience positiva in ogni “momento della verità”, interazioni chiave in cui le esigenze dei clienti vengono soddisfatte in un modo che costruisca fiducia e fedeltà.

Quindi, come facciamo a replicare i moderni successi della meteorologia nella customer experience? Innanzitutto, abbiamo bisogno della prospettiva.

I meteorologi raccolgono centinaia di dati da satelliti, aerei, stazioni meteorologiche e palloni meteorologici in tutto il mondo e nello spazio, per poi analizzare tutte le variabili da enormi supercomputer. Pertanto hanno creato un insieme unificato di dati che rendono possibile sia una prospettiva globale che un’estrema precisione a livello locale. Nel nostro settore l’analogo sarebbe quello di costruire una visione unificata dei clienti, in cui tutti i sistemi sono integrati e tutti i dati vengono messi insieme.

Questo ci darà la possibilità di vedere il percorso del cliente come un arco longitudinale, lungo il quale potremo capire quale link il cliente ha cliccato nella newsletter, vedere quanto mancava all’acquisto prima di abbandonare il carrello, se hanno contattato un addetto dell’assistenza oppure hanno utilizzato il supporto self-service. Sapremo dove stanno andando e cosa stanno dicendo. E questo pone le basi per l’introduzione dell’intelligenza artificiale.

Utilizzare l’IA

Una volta messi in atto tutti i sistemi ed unificati i dati così che siano pronti per l’analisi, un modello basato sull’intelligenza artificiale potrà quindi aiutarci con le nostre previsioni, identificando specifiche domande o problemi delle aziende e determinando la migliore serie di azioni da intraprendere al fine di migliorare l’esperienza di ogni cliente, sia che si tratti di un cambiamento nel canale, di un messaggio proattivo o di un addetto più empatico.

Analizzare il sentimento

L’analisi del sentimento utilizza algoritmi per determinare come si sente un cliente nei confronti di un’interazione: sarà stata una reazione positiva, negativa o neutra? Nel mondo dell’assistenza al cliente, ciò significa che agli addetti possono essere forniti suggerimenti comportamentali per spiegargli cosa fare o su come reagire a una domanda in base al sentimento, all’emozione e all’intenzione del cliente.

Prima di questo, l’unico modo che le aziende avevano per scoprire come le persone reagivano a un determinato prodotto o servizio era quello di fare dei gruppi di discussione o di inviare sondaggi, un approccio che richiede tempo e che è, francamente, inefficiente. L’analisi del sentimento aiuterà le aziende a ottenere una prospettiva, migliorando la customer experience e fornendo intuizioni sui prodotti e sui processi quasi in tempo reale.

Per quanto riguarda il nostro settore, la verità è che tutti i dati di cui abbiamo bisogno sono già qui. Uno dei miei mentori era solito dire con la sua roca voce da persona che sa il fatto suo: “O leggi il giornale o scrivi la storia”. Sebbene i dati erano qualcosa che analizzavamo per capire cosa era successo in passato, nei nostri ambienti in costante sviluppo i dati servono per influire e capire cosa sta accadendo nel momento effettivo dell’interazione. Abbiamo perfino la capacità di prevedere eventi futuri nello stesso modo in cui i meteorologi predicono il percorso di un tornado o la temperatura in una soleggiata giornata primaverile. La grande differenza tra noi e i meteorologi è che noi possiamo cambiare il risultato. Questa è una buona notizia per noi professionisti e per i clienti che cercano quell’esperienza perfetta, sempre.