SPONSORS:

A BlueLab quase foi à falência, mas deu a volta por cima ao mudar o modelo de negócio de seus bots de chat e voz

- 12 de março de 2019
Mateus Azevedo conta como a startup adotou o “try and by”, passando a desenvolver uma solução para o problema do cliente, disponibilizá-la para teste e só cobrar caso o robô atinja uma taxa mínima de interações.

Em meados de 2013, no auge de sua crise, a BlueLab, desenvolvedora de bots de voz e chat, ficou seis meses sem pagar os funcionários. À beira da falência, a empresa encontrou em um novo modelo de negócio o seu salva-vidas. Fundada em 2008, com o investimento de 200 mil reais, a startup surgiu no mercado para automatizar o atendimento ao cliente. A tecnologia desenvolvida pelos sócios-fundadores, com base em inteligência artificial e machine learning, era pioneira e eficaz já na época, mas o mercado, naquele momento, estava traumatizado com as soluções de atendimento automatizado oferecidas pela grande maioria dos players. “As empresas gastaram milhões de reais para automatizar seus atendimentos e jogaram tudo fora, porque as ferramentas não eram eficientes”, conta Mateus Azevedo, 32, um dos sócios da BlueLab.

Quando ele entrou para o negócio, no final de 2012, entendeu que era preciso mudar o modelo para que a empresa conseguisse vender seus bots. Até então, os sócios-fundadores — todos da área técnica — utilizavam um modelo tradicional de venda: apresentar o produto, convencer o cliente sobre a eficácia da ferramenta, cobrar um preço pela licença e, só depois, implementar a solução. “Quando entrei na BlueLab, me coloquei no lugar do cliente”, conta o empreendedor. Ele prossegue:

“Como alguém confiaria na solução de uma empresa pequena, compraria uma licença para somente depois ver se conseguiria algum resultado?”

Com essa linha de pensamento, Mateus, que é formado em Administração de Empresas, foi argumentar com os sócios Marcelo Arakaki, 54, formado em Engenharia Eletrônica, e Patrick Sphaier, 46, engenheiro mecânico, que era preciso mudar. “Consegui convencê-los, mas depois de muito debate interno”, diz.

DEIXAR O CLIENTE TESTAR PARA, DEPOIS, COBRAR

Desde 2013, o modelo de negócios da BlueLab é o “try and buy”. A empresa deixou de vender a licença do seu produto e passou a seguir o seguinte processo: entender o problema de atendimento do cliente, desenvolver a solução, apresentá-la e disponibilizá-la para teste. Tudo aprovado, o uso da ferramenta fica vinculado a uma taxa pré-acordada de retenção. É um pagamento por performance, portanto, e a BlueLab recebe o valor combinado por cada ligação atendida pelo robô sem a necessidade de ser redirecionada para um atendente humano (segundo o empreendedor, os bots conseguem reduzir o redirecionamento em até 75%).

Pelo dashboard da BlueLab, o cliente consegue acompanhar o desempenho em tempo real dos bots.

As chamadas que precisam de uma pessoa ao final não são cobradas pela startup. Mateus afirma que o valor cobrado por ligação varia de acordo com a complexidade do cliente, mas fica abaixo do custo de atendimento feito por uma pessoa. Para um projeto de voz, o custo de retenção de cada ligação atendida pelo robô (que não passa por atendimento humano) varia de 1,95 a 3,60 reais, dependendo do volume de ligações. Em chat, os custos variam de 60 centavos a 1,80 reais. Para qualquer um dos projetos (voz ou chat), é necessário um volume mínimo de 7.500 chamadas por mês.

Graças a essa reviravolta, a BlueLab cresceu 50% nos últimos dois anos e em 2018 alcançou um faturamento mensal de 350 mil reais. A meta é chegar a 700 mil reais mensais ainda este ano. “É algo bem factível, porque temos diversos projetos para entregar”, diz o sócio. Entre os atuais clientes da BlueLab estão a Centauro, Mercedes-Benz, CertiSign e GloboPlay.

A LINGUAGEM PRÓPRIA DOS BOTS

Para se ter uma ideia de como funciona o modelo de negócio, em um projeto desenhado recentemente para a operadora de TV SKY, foram seis meses de desenvolvimento. Depois de entender as necessidades do cliente — neste caso específico era resolver problemas do usuário do serviço de TV —, a equipe de desenvolvedores criou o que se chama de console. Depois, o time de conteúdo da BlueLab alimentou esse console usando um classificador semântico, que é vinculado a três dicionários: o da empresa, o do setor e o da língua portuguesa. “A consulta do robô é feita nessa ordem, porque em uma companhia aérea, por exemplo, assento terá um significado bastante específico e no dicionário da língua portuguesa o robô poderia entender acento”, diz Mateus.

No caso da SKY, há 160 opções no classificador semântico (é como se fossem 160 assuntos ou problemas do assinante que o robô é capaz de resolver sem precisar de ajuda humana). Caso a dúvida inicial do cliente faça parte de mais de um classificador semântico, o robô faz novas perguntas para afinar o atendimento.

O próximo passo foi seguir para um diálogo estruturado, que reúne diversas opções de fluxos de conversas. Cada fluxo tem uma gramática associada e “side talks”. Um exemplo disso: o robô pediu o número do contrato e o cliente, em vez de dizer o número, respondeu com a pergunta “onde eu acho o número do contrato?”.

Apesar da BlueLab garantir 95% de resultado, caso o bot não ofereça a solução desejada pelo cliente, o sistema repassa a chamada para um atendente humano.

Por fim, o processo tem um “ghost operator”. Se, após passar pelos fluxos de conversas, o robô continuar sem conseguir solucionar a situação, o sistema envia a transcrição da conversa para um “operador fantasma”, uma pessoa que lê o texto transcrito, identifica o problema e devolve para o robô no ponto exato onde o sistema deve seguir para ajudar o cliente. Essas situações acabam ensinando o sistema e melhorando a ferramenta, graças ao machine learning. Caso o “operador fantasma” perceba que a situação não pode ser resolvida pelo robô, aí sim ele encaminha a chamada para um atendente humano.

De acordo com Mateus, em três meses de operação, o robô da BlueLab reduziu pela metade o tempo de atendimento, solucionando o problema da SKY sem intervenção de atendentes humanos em 55% das chamadas.

LIBERDADE PARA TRABALHAR EM QUALQUER HORÁRIO

No dia da reportagem, as mesas do escritório da BlueLab estavam quase todas vazias, apesar de a empresa contar com 22 colaboradores. Isso porque a equipe trabalha parte do tempo a distância e parte no escritório. Às segundas-feiras, praticamente todos fazem home office. Às terças e quintas, os desenvolvedores vão para o escritório e, às quartas e sextas, é o pessoal de conteúdo que aparece por lá. Não existe controle de horário. Todos podem trabalhar quando acham melhor, diz Mateus:

“Quis tirar a sexta-feira para viajar e escolheu trabalhar à noite? Para nós, isso é pouco relevante se as entregas forem feitas no prazo”

Para determinar os objetivos e manter o fluxo de produtividade, a BlueLab usa um software que reflete os processos de trabalho. As equipes se reúnem e listam as tarefas que precisam ser feitas na semana. Todo mundo opina sobre o tempo estimado para cada tarefa e o líder do projeto aloca os funcionários de acordo com as atividades listadas. O cronograma prevê entregas semanais.

Nesse ambiente, na hora de contratar, a busca é por profissionais que têm autonomia e não necessitam de microgerenciamento para serem produtivos. Ainda assim, Mateus acha importante que as pessoas se encontrem de vez em quando no escritório. “Quando os colaboradores se conhecem pessoalmente, eles têm mais liberdade uns com os outros, conseguem entender a forma como cada um trabalha e isso ajuda na hora de alocar cada profissional em uma tarefa.” Enquanto a equipe consegue ajustar seus horários, os bots trabalham 24 horas. Afinal, o atendimento aos clientes não para.

DRAFT CARD

Draft Card Logo
  • Projeto: BlueLab
  • O que faz: Bots de atendimento por voz e chat
  • Sócio(s): Marcelo Arakaki, Mateus Azevedo e Patrick Sphaier
  • Funcionários: 22
  • Sede: São Paulo
  • Início das atividades: 2008
  • Investimento inicial: R$ 200.000
  • Faturamento: R$ 350.000 por mês (em 2018)
  • Contato: [email protected]
Veja também:

Verbete Draft: o que é Reinforcement Learning

- 6 de março de 2019
620 6 1

A DataRisk é como uma “bola de cristal” que prevê o comportamento do consumidor online

- 26 de fevereiro de 2019