Usando IA para aumentar o engajamento e a satisfação de vendedores

Já é clássico o exemplo da aplicação de machine learning para aumentar a taxa de conversão de potenciais consumidores em uma loja online: alguns incentivos no site podem fazer com que eles finalizem a compra dos produtos que visualizaram ou colocaram no carrinho. Mas pouco se fala em melhorar os índices de vendas através da motivação dos vendedores, nos cenários onde eles ainda são relevantes. Um dos principais e mais óbvios fatores que afetam o desempenho dos vendedores é a comissão, e existe uma relação direta demonstrando que um programa comissional bem planejado tem impacto 50% maior nas vendas do que propagandas. Por outro lado, o sucesso da política de comissões depende da definição de metas apropriadas. Metas mal definidas costumam ter um efeito desmotivacional, gerando resultados contrários aos esperados. Muitos vendedores talentosos desistem de trabalhar em empresas porque eles sentem que as metas penalizam o sucesso, já que os gestores costumam planejá-las baseados em desempenho passado, ou seja, vendedores com bom desempenho recebem metas maiores (e mais difíceis de cumprir) no período seguinte.

As empresas, por sua vez, encontram dificuldade em equilibrar metas ambiciosas mas justas num mercado em constante transformação, que possam motivar sua força vendedora e promover um crescimento orgânico. Qualquer nova abordagem deveria passar por um teste empírico, mas nem sempre há a possibilidade de dedicar parte de seus vendedores para um “experimento”, que ainda por cima pode ser mal sucedido, prejudicando os envolvidos e a própria empresa. Como alternativa, o professor da Escola de Negócios de Harvard, Dr. Doug Chung, em parceria com consultores da McKinsey & Co., recentemente publicou um mini-review detalhando como os gestores das empresas podem usar a inteligência artificial para atingir esse objetivo móvel. A tecnologia de processamento de dados ajuda as empresas a entenderem quais são os fatores reais que influenciam o resultado dos negócios, com um grau inédito de precisão e granularidade. De posse de projeções confiáveis, elas podem definir metas mais relevantes.

Segundo o review, três fatores essenciais influenciam no sucesso da estratégia de metas e comissões: como escolher os indicadores de performance, como definir os níveis corretos das metas, e quando fazer a revisão desses níveis.

No caso dos indicadores, a análise de grandes volumes de dados permite identificar com clareza quais estratégias não estão funcionando, e quais têm maiores chances de sucesso, já que os clientes podem ser estratificados para que se entenda seu comportamento perante diferentes cenários. É possível, por exemplo, definir se o cliente será mais sensível a determinada abordagem do vendedor, e assim estabelecer uma métrica de desempenho que leve a abordagem preferida em consideração.

Para os níveis das metas, é essencial conseguir prever a demanda pelos produtos/serviços, a qual tem sido muito volátil. Mais uma vez, a aplicação de machine learning permite predições segmentadas, cada vez mais personalizadas ao indivíduo, e os algoritmos podem ser rapidamente recalibrados para responder a fatores que afetam a confiabilidade de seus resultados, se tornando mais precisos quanto maior a quantidade de dados disponível. O ganho de precisão quando comparado aos métodos tradicionais chega a 80%. Predições corretas permitem ajustes mais finos das metas, de forma a não compensar nem penalizar os vendedores por fatores de mercado que estejam fora de seu controle.

No que concerne às revisões de metas, é importante atingir um equilíbrio entre revisões muito frequentes – que aumentam os custos administrativos e apresentam por si só desafios de comunicação – e muito lentas – que as tornam ineficientes perante as mudanças do mercado. Os algoritmos auxiliam a identificar, por exemplo, com que frequência clientes se tornam insatisfeitos, o que permite alocar vendedores de forma a mantê-los engajados antes que optem pelo afastamento.

A inteligência artificial permite às empresas abandonar estratégias baseadas em indicadores de caráter mais coletivo como histórico de vendas, e no lugar estabelecer metas individuais baseadas no potencial do portfólio de consumidores de cada vendedor. Ao mesmo tempo, podem motivar os vendedores ao definir metas e revisões que acompanhem os ciclos comportamentais dos consumidores, aumentando o sucesso de sua abordagem. No final das contas, ganha o vendedor, ganha a empresa, e ganha o consumidor, que sai satisfeito da transação.

Sê o primeiro

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *