Rodrigo Helcer, fundador e CEO da Stilingue (Divulgação)

Ele sabe tudo o que o seu cliente diz por aí

Rodrigo Helcer se descreve como administrador de empresas e empreendedor em série, apaixonado por tecnologia, comunicação e comportamento humano. Credenciais que, em 2014, o levaram a fundar a Stilingue, hoje uma scale-up que acaba de receber um aporte de R$ 18 milhões, liderado pela DGF Investimentos.
 
Seu papel no time executivo da empresa é o de abrir oportunidades de negócio. Razão pela qual está sempre antenado em temas como Ciência Dados, Big Data, processamento de linguagem natural, visão computacional e, mais recentemente, também estratégias de uso da Inteligência Artificial, sobretudo aplicada à inteligência de mercado, em qualquer segmento.
 
Não por acaso, a Stilingue tem se firmado como importante player na área de Customer Intelligence & Responding em tempo real e em bom português. E tem entre seus clientes 3 dos 6 maiores bancos, 2 dos 3 maiores players de Cosméticos, 2 das 10 maiores empresas do setor automotivo na América Latina, 2 dos 5 maiores players de Educação e EdTech e 60% das 100 maiores agências de Publicidade e PR do país.
 
Nessa entrevista, Rodrigo aborda como a atual missão da empresa, “Desenvolver tecnologias que liberam o tempo, libertam a mente, para liderar o Brasil”, impulsiona a meta de apoiar seus clientes a escutarem verdadeiramente os consumidores.
 
“A gente se guia muito por essas perguntas. O que a gente faz libera tempo? Ajuda a libertar a mente? Dá ao nosso cliente uma vantagem competitiva para que ele consiga liderar o mercado no qual atua?”, comenta o jovem executivo. Confira!

Disrupção é ...

Se  fosse falar do óbvio, falaria da General AI, aquela Inteligência Artificial que tem resposta para qualquer pergunta. E que, no estágio atual, ainda beira a ficção científica. Mas falando em shift, no nosso mercado, a maior ruptura que a gente busca não está na tecnologia em si. Está em como as empresas resolvem seus problemas.

A maior ruptura que eu vejo para os próximos anos é o fim dos silos dentro das empresas, em torno da visão do cliente. 

A maioria das empresas tem três silos: o dos departamentos, que não se conversam sobre as informações que cada um tem de um mesmo cliente; o do software, muitos sendo usados para fazer as mesmas coisas; e o dos dados. A Stilingue propõe facilitar o conhecimento das empresas sobre o que os seus clientes pensam, e ajudando-as a acabar com esses silos.

Há uma massa valiosa de dados nas empresas, contendo feedbacks e opiniões dos clientes. Esses dados vêm das redes sociais, dos reviews, das ligações para o contact center, de pesquisas de NPS [que mede a lealdade do cliente] e de outras pesquisas que as empresas fazem, com um monte de perguntas abertas que ninguém trata...  Como é que eu consolido a visão do cliente em um único lugar, para que o Marketing acesse quando estiver preocupado em desenvolver mercado, construir marca, proteger reputação? Ou para que o Atendimento ao Cliente acesse quando necessitar aumentar a resolutividade dos problemas e entender como uma ação mais ambiciosa do marketing aumentará o volume no contact center?

Para derrubar as barreiras entre os silos é preciso, em parte, de software _ e a gente não está falando aqui de tecnologia básica, mas de inteligência artificial e de edge technologies _ de um mandato do CEO, de uma transformação de mindset que acabe com políticas e feudalismos internos, e de uma mudança na camada de serviços.

Basicamente, estamos falando de uma mudança tripartite, baseada em uma revolução em software, outra em estrutura organizacional e outra no segmento de prestação de serviços.

Se avalio os canais em separado, não tenho noção se a informação que está chagando através de um deles é mais importante do que outra que chega por outro canal. Se tenho áreas diferentes cuidando de canais diferentes, deixo de ter a visão do todo. E hoje eu, usuário do banco digital, quero entrar em contato com ele pelo chat do aplicativo, por uma mensagem no Facebook ou por telefone...  e interagir esperando que ele me entenda como a mesma pessoa em qualquer desses canais, além de conhecer todo o meu passado para me atender melhor.

Do ponto de vista de thought leadership isso já é carne de vaca. Mesmo assim, ainda tem muita gente que não emprega. Se fala bastante disso, mas poucos praticam.

Empresas que nasceram digitais têm mais facilidade de lidar com esse mindset. Fintechs, por exemplo, já trabalham as informações dos clientes de forma integrada. São um bom parâmetro.

Tem um outro lado muito importante aí que é o uso das informações geradas a partir dos feedbacks dos clientes para a efetiva tomada de decisão e a melhoria do negócio. Se durante uma Black Friday percebo que existe um concorrente disparando uma promoção imprevista e tenho um time à disposição para agir imediatamente, resolvo problemas.

Para o CEO, a visão integrada das opiniões e feedbacks dos clientes funciona como uma auditoria em tempo real da voz do consumidor.

Hoje trabalhamos mais com os departamentos de Marketing, mas a demanda de outros dois departamentos vem aumentando, até porque eles também estão sendo desafiados a entender melhor o consumidor: a própria área de atendimento ao cliente, que agora começa a ser vista como uma área de geração de receita e de defesa de carteira de cliente e reputação de marca; e o próprio time de Data Science ou Data Lab, que acaba recebendo os desafios de negócio que Marketing e Atendimento ao Cliente precisam resolver.

Três importantes ativos de uma grande organização estão sob pressão: as marcas, expostas como nunca à opinião pública, que em minutos pode mudar o rumo dos negócios. A carteira de clientes, volátil e suscetível às opiniões de outros consumidores, que transcendem produtos e valorizam cada vez mais as experiências. E, por fim, o modelo de negócios da corporação, que enfrenta startups mais ágeis para inovar e que fogem aos radares dos métodos tradicionais de pesquisa. Acompanhar tudo isso é primordial para o sucesso.  E já não dá para fazer esse acompanhamento sem o apoio da tecnologia.

Digo sempre que na Economia da Experiência, a experiência é um valor muito subjetivo. No fim do dia, o que está acontecendo é que os consumidores estão tomando suas decisões não só com base no produto e nas suas funcionalidades objetivas, mas também a partir da percepção gerada por um conjunto de serviços que estão em torno desse produto. Os economistas chamam isso de fuzzy benefits.

Sei que o ser humano é obsessivo por métricas. Mas dá para gerenciar a experiência do consumidor com base apenas em números?  Estamos olhando o quali? Como e com qual importância?

A jornada do cliente gera muitos números.  Tenho clientes que entram no meu site, clicam x veze em determinados links, navegam em x páginas, têm um ticket de tanto, compraram tais cesta de produtos, com uma frequência de tanto...  Mas não vou conseguir oferecer a melhor experiência se não conseguir tratar adequadamente os feedbacks e as opiniões, coletadas em formatos que há até bem pouco tempo não havia tecnologia para lidar. Não no volume necessário.

E dá para olhar para o qualitativo sem ferir legislações como o GDPR ou a nossa LGPD. 

É aqui que está a grande oportunidade. Essas legislações vão forçar as marcas a terem uma gestão de dados por cluster, por tribos, comunidade, padrões de audiência... E quando falamos de comunidades, estamos falando de enxergar movimentos. Um grupo de pessoas está cancelando pedidos. Um grupo de pessoas está protestando contra uma postura ou uma percepção de postura política da minha marca. Um grupo de pessoas está elogiando a nova campanha. Esse grupo de pessoas já é o suficiente para que a marca entenda que precisa tomar determinadas decisões.

Aquela visão omnichannel do cliente individual, ono-on-one, que é quase uma obsessão hoje, continuará a ser importante, mas vai ter que ser cercada de ”n” cuidados. Mas além as marcas serão obrigadas a olhar para a árvore e também para a floresta inteira. E é aí que entram o Big Data e a Inteligência Artificial.

Não necessariamente todos os problemas precisam de Big Data para serem resolvidos. Tem muito problema que consegue ser resolvido com um volume pequeno de dados, usando Machine Learning, em vez de Deep Learning. Não importa. O que importa mesmo é que a solução usada para lidar com esses dados precisa ser simples.

O nome Stilingue vem do fato de que você precisa de uma arma muito simples para derrubar um gigante. Depois a gente descobriu que não era um estilingue, era uma funda, mas a ideia por trás do nome estava ali, em tratar um grande volume de dados simplificando a solução.

Essa simplificação é muito difícil, mas necessária.  No fim do dia, o que um executivo quer é um relatório bem feito que indique para ele quais ações ele precisa tomar. Esse é o grande desafio dos cientistas de dados hoje, e o desafio de quem está desenvolvendo software para esse cientista de dados. No fundo, o que o executivo quer é um ‘Alexa de Business’ que o alerte sobre uma crise, por exemplo, e pergunte o que ele deseja fazer.  Temos gaps de tecnologia para chegar em algo assim? Temos. Mas acho que serão resolvidos rápido.

Dados não estruturados oferecem muitos desafios. Diferentes, mas com o mesmo grau de intensidade. Imagem é algo universal. Texto e áudio, não. Se o cara do Baidu resolve um problema de computer vision, o gatinho é o mesmo gatinho no mundo inteiro. Mas texto e o áudio são Language-specific. Uma solução one fits all para resolver o problema de análise de texto em todo mundo não existe. Tem gente tentando. Mas mesmo os projetos mais sofisticados, como o BERT, do Google, ainda não chegaram lá.

Para começar a analisar o qualitativo, a primeira coisa que eu faria como C-level seria perguntar onde as opiniões e os feedbacks estão.

Mapearia os canais, me perguntaria se eu já monitoro essa massa de dados e se esse monitoramento ainda é feito de forma fragmentada, Caso positivo, se seria possível integrar os monitoramentos.

Depois, me perguntaria se daria para fazer um MVP, começando pelos três pontos de contato mais importantes, onde o cliente tenha voz.  No fim, me preocuparia em saber se o meu processo de tomada de decisão estaria considerando o resultado dessa análise como ponto de partida.

Muitos C-levels adoram dizer hoje que o seu consumidor está no centro, em relação ao atendimento. Mas ele realmente está no centro de tomada de decisão de negócio dessas empresas?

Já escutei de profissionais sêniores, e de clientes nossos, a reclamação de que eles têm uma cultura que valoriza o cliente, mas na hora de tomar grandes decisões sobre portfólio ou estratégia comercial, o cliente nunca vem em primeiro lugar. O que vem na frente é a opinião fundador. É a intuição dos executivos.  muitas outras coisas....

Boa parte da indústria de software está se organizando hoje para trabalhar com costumer experience. Dentro dessa indústria, o Stilingue atua no segmento de Systems of Intelligence. Nossa solução de análise se conecta à maioria dos Systems of Records (CRMs, ERPs, HCMs e ITSMs).

E somos agnósticos de setor, mesmo que os problemas variem. Empresas de setores não regulamentados estão mais predispostas e estruturadas para monitorar as redes sociais que aquelas de setores regulamentados que precisam dar mais atenção para os canais oficiais que ela precisa atender porque ela pode ser penalizada se não fizer isso.

Sou humilde para reconhecer que o nosso investimento em Inteligência Artificial é muito menor que o do Google. Mas o nosso resultado é melhor em reconhecimento de linguagem natural, porque temos um tratamento linguístico e cultural específico em relação ao português.

A Stilingue começou a falar em processamento de linguagem natural quando o mundo ainda nem falava em Inteligência Artificial. A gente já falava de NPL quando o Big Data era a buzzword, em 2014. Nem o Watson estava tão desenvolvido quanto ele já é hoje. Então o que muita gente faz agora, pegando uma API pronta desses grandes serviços de IA, a gente desenvolveu do zero lá atrás. O que nos deu um conhecimento enorme e a capacidade de transformar esse conhecimento em aplicação e produto de sucesso.

Nossos concorrentes internacionais estão começando só agora a oferecer a mesma tecnologia. Pode até ser que em algum momento a gente resolva atuar fora do Brasil, porque algumas multinacionais precisam que a gente monitore outros idiomas. Mas ainda não estamos olhando para isso.

Fazer software é uma coisa. Fazer uma empresa de software é outra coisa. Fazer uma empresa SaaS é uma terceira coisa. Para ser uma empresa de SaaS não basta ter software. Você precisa de um time com experiência em diferentes áreas. Tem um desafio aí. Além disso, no Brasil, a prestação de um bom serviço é muito importante.

Eu brinco que no SaaS o segundo S é tão importante quanto o primeiro. A qualidade de atendimento é um diferencial importante. Vamos manter o foco aí.