
Se l’assistenza tace, il prodotto è migliorato?
Immaginiamo una lampada da scrivania. Una bella lampada. Uno stelo sottile, una base pesante e un solo pulsante. Lo premi e la luce si accende. Lo premi di nuovo e si spegne.
La pagina del prodotto diceva che la luminosità era regolabile. Ma il pulsante non gira. Non ce n’è un altro. Lo premi qualche volta. La lampada si accende e si spegne. Su questo punto, tra voi si è instaurato un rapporto di notevole coerenza.
Chiedi all’assistente di IA sul sito del marchio. La risposta arriva subito: per regolare la luce devi tenere premuto il pulsante.
Provi. Funziona. Ringrazi e chiudi la finestra.
Dal punto di vista del sistema di assistenza, è andata bene. Il cliente non ha aspettato, ha ricevuto l’informazione giusta e non ha occupato il tempo di un dipendente. Anche la luce della lampada adesso è come la voleva.
Qualche giorno dopo, un’altra persona fa la stessa domanda. Poi un’altra ancora. L’assistente risponde correttamente a tutti. Possiamo dire che l’azienda sta diventando sempre più brava a rispondere a questa domanda. Non sappiamo ancora se la lampada sia diventata più facile da capire.
Da product designer, è questo il punto che mi interessa.
Il valore dell’assistenza con l’IA è facile da vedere. Chi sta sistemando una lampada a casa la sera non dovrebbe aspettare che l’azienda riapra il mattino dopo. E chi lavora nell’assistenza non deve passare la giornata a descrivere lo stesso pulsante. Dubito che qualcuno abbia “spiegare in otto lingue come tenere premuto” nel proprio piano di crescita professionale.
Ma vale la pena guardare anche cosa cambia dentro l’azienda grazie a questa comodità.
Quando un team di assistenza riceve continuamente la stessa domanda, la ripetizione ha un suo peso. Le conversazioni si allungano, la coda cresce, tra colleghi ci si dice “di nuovo questa”. In un’organizzazione che funziona bene, prima o poi l’informazione può arrivare a chi ha progettato il prodotto. Naturalmente non succede sempre. A volte l’assistenza passa anni a spiegare la stessa cosa, mentre il team di design lavora sui nuovi colori.
Resta comunque un fastidio. Qualcosa che occupa il tempo di una persona, compare nel budget e può essere tirato fuori in riunione.
Quando rispondere a quella domanda costa meno, anche parte del fastidio intorno al prodotto può attenuarsi. Il cliente ha ancora bisogno di una spiegazione. È cambiato il modo in cui l’azienda ne sente il peso.
Non vorrei arrivare subito alla conclusione che l’IA allontani le aziende dai clienti. La stessa tecnologia può anche trovare ricorrenze in conversazioni che prima nessuno aveva il tempo di leggere per intero. Topics Explorer di Intercom, per esempio, usa l’IA per raggruppare le conversazioni di assistenza per argomento e mostrare quante ne genera ciascuno. Uno strumento del genere può rendere visibile un’osservazione che nella memoria del team esisteva solo a frammenti.
Quindi è possibile vedere tutte quelle persone che chiedono del pulsante della lampada nello stesso posto. Potrebbe perfino essere più facile di prima.
Quello che succede dopo dipende da cosa l’azienda vuole imparare.
Il team che nota la domanda ricorrente può migliorare la risposta dell’assistente. Scrivere una spiegazione più breve, aggiungere un piccolo video, adattare la risposta alla lingua del cliente. Sono tutte cose utili. Aiutano la persona seduta alla scrivania quella sera.
L’informazione da portare al team di prodotto è un po’ diversa: le persone sanno che la luminosità della lampada è regolabile, ma dal pulsante non capiscono come si fa.
Da qui si aprono altre possibilità. Potrebbe bastare un cartoncino visibile all’apertura della scatola. Un segno accanto al pulsante potrebbe aiutare. Forse va cambiata l’interazione stessa. Oppure si decide che, per conservare l’aspetto essenziale della lampada, una breve spiegazione al primo utilizzo è un compromesso accettabile.
Non tutte le domande ricorrenti richiedono di riprogettare il prodotto. Il pulsante unico può avere una ragione estetica o produttiva del tutto sensata. E chiedere alle persone di imparare qualcosa non è di per sé un difetto di progettazione. Però c’è una differenza tra prendere davvero quella decisione e lasciare che l’assistenza gestisca la domanda senza che nessun altro se ne occupi.
Poi ci sono le parole che usiamo nei report.
“Risolto” è una delle più rassicuranti. Fa pensare che il lavoro sia finito. Eppure a volte bisogna leggere la definizione di ciò che un sistema di assistenza considera una risoluzione. Nei report di Fin di Intercom, la relativa metrica di risoluzione delle risposte IA può includere le conversazioni in cui il cliente non ha chiesto di parlare con un operatore, oltre a quelle in cui ha dato un riscontro positivo.
Una misura del genere può servire a seguire l’operatività del servizio. Ma quando un cliente smette di scrivere, non sappiamo tutto quello che è successo a casa sua. Può aver capito come funziona il pulsante. Può aver trovato la risposta altrove. Può anche aver deciso che per quella sera ne aveva abbastanza.
Anche quando il cliente dice chiaramente “grazie, ha funzionato”, può restare qualcosa da imparare per il team di prodotto. Nel nostro esempio la lampada funziona, il cliente è contento e la conversazione è davvero risolta. Resta la possibilità che il prossimo cliente abbia bisogno della stessa identica spiegazione.
Credo sia un aspetto facile da perdere di vista quando si automatizza l’assistenza: anche le domande a cui si è risposto bene meritano attenzione.
Se guardiamo soltanto le conversazioni a cui l’assistente non ha saputo rispondere, possiamo trovare le lacune nelle sue conoscenze. Per capire dove il prodotto fa faticare le persone, dobbiamo leggere anche alcune delle conversazioni gestite correttamente. Conoscere benissimo una risposta non spiega perché la domanda venga fatta così spesso.
È uno degli aspetti del post-vendita che mi interessano quando penso ad Afterlayer. Le necessità che emergono durante l’installazione, la manutenzione e la riparazione contengono informazioni molto concrete sul prodotto. Si può vedere a quale passaggio le persone si fermano, quale pezzo non riescono a riconoscere, dopo quale spiegazione riescono a proseguire. Sono osservazioni che potrebbero servire alla prossima decisione di prodotto.
Naturalmente sarebbe troppo comodo guardare il numero di visite e trarre subito delle conclusioni. Una pagina di assistenza può essere molto visitata perché il prodotto vende tanto. La stessa persona può tornarci più volte perché non capisce la spiegazione. Potrebbe anche essere necessario indagare cosa succede a chi non contatta mai l’assistenza. Mettere insieme i dati non produce automaticamente una buona interpretazione.
Se però le persone incontrano ripetutamente una difficoltà in un passaggio preciso, è ragionevole aspettarsi che quell’informazione arrivi da qualche parte dentro l’azienda. La questione può essere affrontata nel modello successivo, può cambiare l’informazione inserita nella confezione attuale, oppure si può decidere di lasciare tutto com’è, con buone ragioni. Almeno avrà fatto un po’ di strada oltre la scrivania di chi scrive la risposta.
Tornando alla lampada, la risposta dell’assistente di IA ha fatto il suo lavoro. Quella sera la luce è stata regolata e la persona è rimasta alla scrivania. Non c’è bisogno di sminuirne il valore.
Io manderei una copia di quella conversazione anche al team che ha progettato la lampada, insieme a un’indicazione di quanto spesso arriva la stessa domanda. Magari deciderebbero di provare un piccolo segno accanto al pulsante. Poi potremmo vedere se quel segno dice davvero qualcosa a qualcuno.