Taxa de deflexão

O que é a taxa de deflexão?

A taxa de deflexão mede a percentagem de pedidos de suporte ao cliente tratados através de canais de self-service, como bases de conhecimento, páginas de FAQ, chatbots ou sistemas IVR, sem necessidade de um agente humano. A fórmula é simples: Taxa de deflexão (%) = (Questões tratadas por self-service / Total de questões submetidas) x 100. Uma taxa de deflexão de 40 % significa que 4 em cada 10 pedidos de suporte foram tratados sem intervenção de um agente humano.

Embora a taxa de deflexão seja uma métrica de suporte comum, tem uma ressalva importante: desviado nem sempre significa resolvido. Um cliente que desiste de um portal de self-service continua a contar como "desviado" em muitos sistemas, mesmo que o seu problema fique por resolver.

Como se calcula a taxa de deflexão

As organizações acompanham a taxa de deflexão comparando o volume de pedidos tratados sem intervenção humana com o volume total recebido. Os canais de deflexão mais comuns incluem chat com IA, artigos da base de conhecimento, fóruns da comunidade, respostas automáticas por email e fluxos de self-service no IVR. O cálculo depende da forma como se define "tratado". Algumas empresas contam qualquer interação com um canal de self-service como deflexão, enquanto outras exigem que o cliente confirme que a questão foi resolvida ou que não volte a contactar dentro de um determinado período.

Esta inconsistência na medição é a razão pela qual a taxa de deflexão deve ser sempre acompanhada de métricas complementares, como o CSAT, a taxa de resolução e a taxa de contactos repetidos, para garantir que o número reflete resultados reais e não apenas tráfego redirecionado.

Porque é que a taxa de deflexão é importante

As equipas de suporte acompanham a taxa de deflexão porque cada pedido tratado sem um agente humano reduz os custos operacionais. As chamadas telefónicas e os chats com agentes ao vivo são os canais de suporte mais caros, custando muitas vezes entre 5 e 12 dólares por interação. As interações de self-service custam uma fração desse valor. Para organizações que tratam centenas de milhares de pedidos por mês, mesmo uma melhoria modesta na deflexão pode representar poupanças de milhões por ano.

A taxa de deflexão também indica a saúde da sua base de conhecimento e das ferramentas de self-service. Uma deflexão crescente com CSAT estável sugere que os recursos de self-service estão realmente a ajudar os clientes. Uma deflexão crescente com CSAT em queda é um sinal de alerta: os clientes estão a ser afastados, não servidos.

Taxa de deflexão vs. taxa de resolução: a diferença crítica

Esta é a distinção mais importante nas métricas modernas de serviço ao cliente. A deflexão mede se um pedido foi mantido afastado de um agente humano. A resolução mede se a questão do cliente foi efetivamente resolvida. Não são a mesma coisa.

Perspetiva do setor: Os chatbots tradicionais e as ferramentas básicas de self-service atingem normalmente taxas de deflexão de 10 % a 30 %, mas muitos desses pedidos "desviados" nunca chegam a ser verdadeiramente resolvidos. O cliente desiste, volta a ligar ou encontra uma alternativa. A verdadeira resolução exige que a questão seja identificada, tratada e confirmada como resolvida.

É por isso que as organizações de suporte de referência estão a mudar o seu KPI principal da deflexão de pedidos para a taxa de resolução. Uma taxa de deflexão de 30 % com um CSAT fraco é pior do que uma taxa de resolução de 90 % em que o agente de IA trata a maioria dos pedidos de ponta a ponta. A métrica que se otimiza define a experiência do cliente que se entrega.

A vantagem Maven: resolução em vez de deflexão

A Maven AGI assenta numa filosofia fundamentalmente diferente: resolver, não desviar. Enquanto as ferramentas tradicionais empurram os clientes para o self-service na esperança de que tudo corra bem, os agentes de IA da Maven interagem com os clientes, compreendem o problema, recolhem dados dos sistemas ligados e resolvem a questão de ponta a ponta, sem intervenção humana.

Resultados Maven: A Papaya Pay, uma empresa de FinTech, atingiu 90 % de resolução autónoma com a Maven AGI. Isto não é deflexão. São 90 % das questões dos clientes totalmente resolvidas pelo agente de IA, confirmadas e concluídas.

A abordagem da Maven muda a pergunta de "Quantos pedidos conseguimos manter afastados dos agentes?" para "Quantos problemas dos clientes conseguimos realmente resolver?" Este foco na resolução no primeiro contacto é o que distingue o serviço ao cliente com IA moderno das ferramentas de deflexão tradicionais. Para contextualizar esta mudança, leia a investigação da Harvard Business Review sobre serviço ao cliente ou consulte a previsão da Gartner de que a IA agêntica resolverá 80 % das questões de serviço comuns até 2029.

Perguntas frequentes

Qual é uma boa taxa de deflexão no serviço ao cliente?

Não existe uma referência universal, porque a taxa de deflexão depende do setor, da base de clientes e do mix de canais. Os chatbots tradicionais atingem 10 % a 30 % de deflexão. Plataformas mais avançadas de automação do serviço ao cliente podem atingir taxas mais elevadas. No entanto, a pergunta mais importante é: qual é a sua taxa de resolução? Uma taxa de deflexão de 25 % com 95 % de resolução vale muito mais do que uma taxa de deflexão de 50 % em que metade dos clientes "desviados" volta a ligar.

Em que difere a taxa de deflexão da taxa de contenção?

A taxa de contenção refere-se normalmente à percentagem de interações mantidas inteiramente num único canal (como o IVR ou o chat), sem transferência para outro canal. A taxa de deflexão mede a percentagem de pedidos mantidos afastados dos agentes humanos. Um pedido pode ficar "contido" num chatbot e, ainda assim, não estar resolvido. Ambas as métricas são incompletas sem dados de resolução.

Uma taxa de deflexão elevada pode prejudicar a experiência do cliente?

Sim. Se os clientes forem desviados para canais de self-service que não conseguem resolver a sua questão, sentem frustração, tempos totais de resolução mais longos e maior esforço. É por isso que o ROI do suporte deve ser medido pela qualidade da resolução e não apenas pelo volume de deflexão. O objetivo é reduzir a carga de trabalho dos agentes humanos resolvendo genuinamente os problemas, e não criando barreiras ao acesso a ajuda.