Sembra controintuitivo: una strategia di automazione del servizio clienti può fallire proprio dove non si è investito sulle persone. L’analisi di oltre mille recensioni in quattro settori indica che il discrimine non è quanta AI si adotta, ma che cosa succede quando l’automazione non basta.
Il dibattito sull‘automazione del servizio clienti si è concentrato sulla proporzione tra sistema automatico e operatore. Un’analisi netnografica esplorativa di 1.097 recensioni pubblicate su Trustpilot, condotta su otto marchi confrontati a coppie in quattro settori, suggerisce che a fare la differenza sia un’altra variabile: la possibilità di arrivare a una persona in grado di risolvere quando l’automazione si blocca. Nella grande distribuzione il marchio che ha automatizzato raccoglie un discorso migliore di quello che presidia il servizio con operatori; nello streaming accade il contrario. Dalla lettura dei testi emerge un tema non previsto, la finta interazione umana, che riguarda tanto il sistema automatico quanto l’operatore che subentra. L’articolo ne ricava alcune implicazioni per chi progetta il servizio e ne dichiara i limiti.
La domanda che ricorre in quasi tutte le riunioni in cui si discute di automazione del servizio clienti è quanta parte del contatto affidare a un sistema conversazionale e quanta lasciarne alle persone. È una domanda formulata male, e i dati raccolti nella mia ricerca di tesi suggeriscono perché.
Il servizio clienti è l’unico dei punti di contatto che ho studiato a non potersi osservare in laboratorio: nessuno può recuperare in modo sistematico le trascrizioni delle conversazioni tra una marca e i suoi clienti. Ho quindi lavorato su ciò che i clienti raccontano in pubblico, cioè 1.097 recensioni Trustpilot riferite a otto marchi. I marchi sono confrontati a coppie, una per settore, e dentro ogni coppia uno presidia il servizio soprattutto con sistemi automatici e l’altro soprattutto con persone: Revolut e Intesa Sanpaolo per i servizi finanziari, Tesla e BMW per l’automotive, Walmart e Costco per la grande distribuzione, Disney+ e Netflix per lo streaming. Le coppie coprono i quattro quadranti della griglia FCB di Vaughn, quindi situazioni di acquisto molto diverse per coinvolgimento e per peso della componente emotiva.
Va detto subito che si tratta di uno studio esplorativo. Descrive come i clienti parlano del servizio, non verifica ipotesi e non misura effetti causali. Quello che segue va letto come un insieme di indizi convergenti, non come una legge.
Quando l’automazione vince
Il risultato più utile per chi progetta il servizio è anche il più controintuitivo, e arriva dalla grande distribuzione. Walmart, il marchio della coppia che ha spinto sull’automazione, raccoglie un discorso nettamente migliore di Costco, che presidia il servizio con persone. Il divario è attorno ai cinquanta punti sia sulle associazioni di marca sia sull’autenticità percepita, ed è ampio anche sulla qualità. Non è nemmeno un settore in cui il tema dell’autenticità passa inosservato: nelle recensioni di Walmart è quasi onnipresente, in quelle di Costco marginale.
Leggendo i testi si capisce da dove viene quel vantaggio, e non viene dal sistema automatico. Il malcontento tipico c’è anche qui, nella forma ormai familiare del bot come muro: “customer service is now AI … there are no people to speak to”, scrive un cliente in una recensione a due stelle. Ma accanto a questo il corpus registra un secondo schema, quello in cui l’automazione fallisce e qualcuno subentra: “the AI wouldn’t tell me why … but Mohammad was very calm and helpful”. È una recensione a cinque stelle, e racconta un ordine cancellato senza spiegazioni dal sistema e poi risolto da un operatore chiamato per nome.
Costco, dal canto suo, attira la critica più dura proprio sul canale presidiato da persone, descritto come un’attesa che non si risolve: “their telephone customer service is absolutely terrible … keeps you holding”. Qui serve una cautela che ho messo nero su bianco anche nella tesi. Il vantaggio osservato nella grande distribuzione è intrecciato con una caratteristica specifica di Walmart, cioè la capacità del suo personale di recuperare il servizio con un intervento rapido quando il cliente chiede aiuto. Non è quindi dimostrato che sia il settore a rendere l’automazione più accettabile: una parte dell’effetto potrebbe dipendere dalla singola strategia aziendale. È un segnale promettente, non un beneficio acquisito.
Quando l’automazione perde, e quando perde anche la persona
Lo streaming restituisce l’immagine speculare. Disney+ è il marchio che nel disegno dello studio rappresenta la strategia orientata all’AI, ma il dato che colpisce è un altro: su una sessantina di recensioni, quasi quaranta identificano un contatto con un operatore e una soltanto un sistema automatico. Il malcontento passa quasi interamente da canali umani o non dichiarati, e riguarda soprattutto fatturazione e disdette. L’automazione, in altre parole, non è il canale su cui si concentra il danno. Il confronto con Netflix è istruttivo perché il tema di partenza è lo stesso. La differenza è che nelle recensioni di Netflix esiste una riserva di interazioni umane che si chiudono bene. Per Disney+ l’evidenza positiva sul servizio è di fatto assente, e nella lettura dei testi il tema dell’operatore efficace, quello in cui il cliente ricorda e nomina la persona che ha risolto il problema, non compare mai. Due marchi dello stesso settore, entrambi con persone in prima linea su gran parte del contatto, esiti opposti. È questo, più del confronto tra macchina e uomo, il punto che riguarda chi gestisce un servizio.
Il tema che non cercavo
Accanto alla codifica strutturata ho riletto il corpus senza griglia, per far emergere quello che la letteratura non aveva previsto. Il risultato più interessante non lo stavo cercando. Ho chiamato il tema fake human facade, che in italiano rende bene come finta interazione umana. Ricorre una quindicina di volte, sempre in recensioni di marchi orientati all’AI, e prende due forme distinte. Nella prima il cliente si irrita davanti al tentativo del sistema di simulare empatia: il calore delle risposte automatiche suona costruito. Nella seconda, che è la più rilevante per il management e si osserva soprattutto in fase di recupero, la persona che interviene non riesce a dare un’assistenza adattata al caso, e anche il contatto umano finisce per sembrare recitato. Una recensione lo dice meglio di qualsiasi parafrasi: “the in-app chat is trash and not personal at all, even if there’s a human chatting”. Il dubbio del cliente, cioè, non riguarda il bot in quanto tale. Riguarda l’autenticità dello strato umano, o apparentemente umano, del servizio. E un operatore che legge un copione occupa, agli occhi di chi scrive, la stessa casella di un sistema automatico.
Vale la pena aggiungere un dato che ridimensiona qualsiasi entusiasmo. In tutto il materiale riletto, solo due passaggi registrano un’esperienza automatizzata positiva, entrambi su richieste semplici e ben delimitate. I due temi più frequenti in assoluto sono invece la frustrazione per il ciclo automatico che non si chiude e la richiesta esplicita di parlare con una persona, e compaiono quasi solo sui marchi che hanno automatizzato. Da sola, nel materiale che ho letto, l’AI quasi non genera apprezzamento.
Che cosa farne
La prima implicazione è di priorità. Se l’elemento che più spesso determina l’esito è la raggiungibilità di una persona in grado di risolvere, allora il progetto che conta non è il bot ma il passaggio di consegne: la logica che riconosce quando un’interazione sta fallendo o sta diventando difficile, e la porta a un operatore nel momento giusto. La seconda riguarda chi sta dall’altra parte di quel passaggio. Un canale umano non protegge automaticamente il valore di marca, come mostrano sia il telefono di Costco sia il servizio di Disney+. Lo protegge un operatore in condizione di rispondere con qualcosa di più di una procedura. È una conseguenza operativa poco comoda, perché sposta l’investimento dalla tecnologia alla formazione e ai margini di autonomia di chi presidia l’escalation, cioè esattamente le voci che un progetto di automazione viene spesso chiamato a comprimere.
La terza è che questa capacità non si compra. Il modello linguistico è ormai una commodity accessibile a chiunque. La logica di escalation, le regole di tono di voce e la preparazione di chi riceve il contatto sono invece specifiche di un’organizzazione, e sono la parte difficile da replicare per un concorrente.
Limiti
Questo lavoro ha confini precisi, che è corretto dichiarare. È uno studio esplorativo e non testa ipotesi. Il corpus è geograficamente sbilanciato: Stati Uniti, Regno Unito, Italia, Francia e Germania da soli coprono oltre quattro quinti delle recensioni, e alcuni marchi pesano più di altri. Chi scrive una recensione, infine, non è un cliente qualunque: nonostante il bilanciamento in fase di estrazione, il corpus raccoglie chi ha deciso di raccontarsi in pubblico.
Resta aperta una domanda che il mio lavoro non affronta e che riguarda proprio la finta interazione umana. L’obbligo di dichiarare al cliente che sta dialogando con un sistema automatico esiste già da tempo, e non è lì che si gioca la partita. Quello che non sappiamo è come il cliente reagisca al registro con cui quel sistema gli parla: se un linguaggio dichiaratamente funzionale, privo di connotazioni empatiche, protegga il valore di marca meglio di un linguaggio che prova a riprodurre la partecipazione emotiva di una persona. Nel mio corpus quel tentativo di simulazione emerge come elemento di irritazione, ma non è mai stato messo alla prova in condizioni controllate: le due versioni del messaggio non sono state confrontate. È il passo successivo di questa ricerca, ed è alla portata di chiunque gestisca un servizio: due formulazioni dello stesso messaggio automatico, una neutra e una empatica, misurate sulle stesse metriche di percezione. Il risultato direbbe a chi progetta l’assistenza una cosa molto pratica, cioè se convenga che il sistema suoni come una persona o che dichiari di non esserlo.
Gianvincenzo Lauria, professionista in marketing e branding. Questo articolo riprende una parte della sua ricerca di tesi magistrale alla IULM di Milano, “The Impact of Generative Artificial Intelligence on Brand Equity: A Comparative Analysis of Human-AI Participation Ratios and Digital Touchpoints”, depositata su SSRN, DOI 10.2139/ssrn.7364798.
