Tenho explorado o impacto e a importância de aproveitar dados não estruturados em meus artigos anteriores para MarTech e, para este artigo, estou investigando talvez a maior fonte de insights e risco: nosso e-mail.
Grande parte da discussão sobre e-mail genAI está centrada no uso do GenAI para produzir campanhas de e-mail em massa mais bem direcionadas e personalizadas, com o objetivo de melhorar a eficácia das campanhas externas.
Neste artigo, examinarei os casos de uso de genAI para e-mails recebidos capturados no CRM. Essas mensagens incluem mensagens individuais e e-mails de resposta a todos um para muitos. Presumo aqui que a organização integrou as caixas de entrada individuais de sua equipe ao CRM, como é comum entre as equipes atuais de marketing, vendas e clientes.
Cada e-mail enviado ou recebido é rastreado e armazenado como parte do registro de atividades. Como resultado, o que eram conversas de e-mail dispersas e não estruturadas agora fazem parte do repositório central de dados da empresa e podem ser analisadas usando IA incorporada e processamento de linguagem natural (PNL) de um CRM.
Isso nos permite mover a discussão do rastreamento de métricas de engajamento de saída, como aberturas e cliques, para a análise do conteúdo e do sentimento dos e-mails no CRM, especialmente à medida que seus recursos se tornam mais comuns em CRMs líderes como o Hubspot.
De métricas de campanha por e-mail a insights de conversação
| Caso de uso | Exemplo de KPIs | Principais perguntas respondidas |
| Analisando métricas tradicionais de e-mail de ‘saída’. | Taxa de abertura, taxa de cliques, taxa de conversão | “Minha campanha teve um bom desempenho?” |
| Gerando insights a partir da análise genAI de e-mails “recebidos”. | Pontuação de sentimento, classificações de intenção, resposta ao conteúdo | “Como nossos clientes sentir e o que eles precisar?” |
Aprofunde-se: o futuro da pilha de martech e das operações de marketing é ‘desestruturado’
Insights e preocupações
Uma análise de e-mail mais completa leva você além do “quem” (remetentes de e-mail) e “o quê” (linhas de assunto) de alto nível, até os sentimentos subjacentes do e-mail. Vamos detalhar isso ainda mais nas oportunidades para equipes de marketing, vendas e atendimento ao cliente, e abordar novas considerações sobre privacidade e conformidade.
Os prós: oportunidades para equipes de atendimento ao cliente
Insights aprimorados do cliente
Usar a PNL para analisar interações por e-mail revela sentimentos e pontos problemáticos mais profundos do cliente, levando a estratégias de marketing e vendas mais personalizadas.
Os e-mails contêm perguntas detalhadas dos clientes, objeções específicas e solicitações de informações. Ao usar PNL ou mesmo análises baseadas em IA, as equipes de marketing podem extrair padrões de e-mails para melhorar as mensagens e personalizar abordagens de conteúdo de acompanhamento.
Essa abordagem nos permite entender mais sobre o tom e os formatos de conteúdo preferidos de cada cliente. Ao aplicar técnicas de PNL, as organizações podem analisar o tom emocional dos e-mails recebidos e classificá-los como positivos, negativos ou neutros. Essa análise de sentimento pode ser combinada com a intenção das sequências de mensagens – como “solicitação de demonstração” ou “pergunta sobre preços” – para ajudar a determinar o momento ou os bloqueadores do negócio.
Melhor colaboração entre marketing, vendas e cliente
Uma análise centralizada da atividade de e-mail melhora a colaboração entre as equipes, indo além do histórico armazenado de interações com os clientes. A extração de insights era limitada no passado devido ao grande volume.
Reconhecer quando outras partes interessadas são adicionadas às respostas de e-mail pode levar a mais insights e automação em torno das funções de compra e dos tomadores de decisão. Combinar essas informações com reuniões adicionais monitoradas para RFPs, requisitos e muito mais ajuda a conduzir a análise de correlação para estágios gerais do funil, status de leads e estágios de pipeline de negócios e melhorar esses processos.
Tomada de decisão baseada em dados
Usar um LLM para analisar e-mails potencialmente informa as decisões, permitindo que as equipes respondam rapidamente às tendências e às necessidades dos clientes.
A análise de sentimento de e-mail ajuda a informar as contas-alvo e a pontuação de contatos além de simples personas. Os modelos tradicionais de pontuação de leads dependiam muito de dados estruturados, como cargos, que por si só também são dados não estruturados.
Em vez de esperar por marcos e ações pré-programadas para desencadear pesquisas e extrair sentimentos, agora podemos monitorar o sentimento ao longo da jornada.
Os contras: principais preocupações e desafios da análise de e-mail não estruturado
As conversas por e-mail são muito mais casuais do que outras formas de comunicação. Provavelmente estamos mais cientes do que dizemos em uma reunião que está sendo gravada do que do que respondemos rapidamente por e-mail. Isso cria algum nível de risco.
Privacidade e consentimento
As equipes precisarão rever a privacidade do cliente e as medidas de consentimento apropriadas, especialmente ao lidar com informações confidenciais.
Precisamos revisitar os rodapés de e-mail criados muito antes do lançamento dos recursos mais recentes do genAI LLM. Embora estas tenham sido geralmente estruturadas como divulgações de confidencialidade que protegem contra riscos, podem não incluir a linguagem apropriada para indicar que serão agora inseridas num modelo LLM para análise preditiva adicional.
As equipes podem precisar considerar novos processos, como agregar insights sem conectá-los a indivíduos específicos. Da mesma forma, outra preocupação que pode surgir em casos de uso típicos de B2B, quando os contatos mudam regularmente entre contas. O e-mail de um indivíduo de seu empregador anterior ainda representa suas opiniões agora que ele está em um novo empregador? Você pode contar com esta como a posição consistente deles ou precisa redefinir o sentimento deles em relação a você?
Como isso muda quando as equipes habilitam os conectores de CRM com ChatGPT e têm casos de uso implícitos mais amplos?
Conformidade regulatória
A Hubspot foi notícia no ano passado quando divulgou seus dados confidenciais e conformidade com a HIPAA. No entanto, como é provável que os clientes da Hubspot tenham ativado o rastreamento centralizado de e-mail antes disso, as organizações podem precisar revisar suas políticas e processos de e-mail.
Esses novos recursos também ilustram as nuances dos dados estruturados versus não estruturados. As classificações de dados confidenciais eram normalmente estruturadas em torno de campos de formulário definidos que poderiam ser categorizados como tal. Não está tão claro como essas diretrizes se aplicam se elementos de dados confidenciais forem incluídos no corpo de e-mails não estruturados.
Controles de acesso e políticas internas
Todos esses recursos recém-incorporados podem levar as organizações a ajustar os controles de acesso para que apenas usuários autorizados e treinados possam visualizar a atividade de e-mail. Esta é uma mudança significativa, já que os e-mails capturados centralmente estavam anteriormente disponíveis para acesso em toda a empresa. Por definição, é impossível prever o que fará parte de uma conversa por e-mail. Algumas organizações podem optar por adotar uma abordagem conservadora em vez de permitir que os LLMs analisem todos os emails.
Considerações sobre plataforma
Os profissionais de marketing precisam pedir mais ajuda aos fornecedores de plataformas para lidar com esses riscos. Novos recursos são lançados rapidamente.
Os fornecedores também podem ajudar os usuários a entender o que deve ser ativado por padrão. Por exemplo, o Breeze AI Assistant da Hubspot ainda é rotulado como beta. Mas quando a HubSpot lançou seus novos recursos de IA, os dados de conversas do cliente estavam ativados por padrão – no conjunto mais amplo possível de dados para transcrições de chamadas, e-mails e muito mais.
Novas oportunidades, ponderadas contra novas preocupações
Aproveitar os recursos da genAI para extrair insights de conversas por e-mail tem um enorme potencial para todas as organizações. No entanto, a prevalência diária do e-mail, juntamente com a sua capacidade não estruturada de ser utilizado para quase tudo nos negócios do dia-a-dia, acarreta riscos significativos.
Ter esses recursos ativados por padrão não significa que as organizações serão beneficiadas imediatamente. Precisamos de estruturar os nossos processos e pesar os prós e os contras, tudo a um ritmo sem precedentes.
Aprofunde-se: usando IA para construir uma solução DIY de análise de sentimento do cliente
Abasteça-se com insights de marketing gratuitos.
Os autores colaboradores são convidados a criar conteúdo para MarTech e são escolhidos por sua experiência e contribuição para a comunidade Martech. Nossos colaboradores trabalham sob a supervisão da equipe editorial e as contribuições são verificadas quanto à qualidade e relevância para nossos leitores. MarTech é propriedade da Semrush. O Colaborador não foi solicitado a fazer nenhuma menção direta ou indireta ao Semrush. As opiniões que expressam são próprias.
Fonte ==> Istoé
