Contexto

O Cortecloud é o maior ecossistema de serviços moveleiros do Brasil. A plataforma conecta mais de 170 mil profissionais moveleiros a mais de 300 centrais de serviços.

Nos últimos meses, foram identificados problemas que causam atrito no fluxo principal da plataforma.

Solução

• Criar uma página de perfil para as centrais no Cortecloud, gerando o minímo de esforço possível para mantê-la atualizada;

• Implementar um sistema de avaliação, onde o usuário possa classificar a experiência que teve ao criar serviços em uma central;

Objetivos

• Tornar claro as informações das centrais, a fim de diminuir os chamados de suporte e problemas na criação de serviço;

• Permitir usuários avaliarem o serviço realizado pelas centrais, bem como dar a elas condições de tomarem ações corretivas;

Meu papel

• Conduzindo o discovery junto com o Growth;

• Responsável direto na concepção, validação e handoff;

Por que é importante resolvermos esses problemas?

Entendendo o problema

Nos últimos meses, o time de suporte relatou muitos chamados (em média, 25% de 300) de assuntos relacionados a criação de serviços:

• Problemas para criar vínculo com uma central;

• Dúvidas de prazos, frete e mix de produtos;

• Reclamações do pós-serviço;

Aliado a isso, já foram capturados insights de outras pesquisas, que durante a busca de uma central, são exibidas poucas informações, não deixando claro as vantagens entre escolher uma ou outra.

Partindo dessas evidências, o que podemos fazer para que os usuários tenham melhores critérios de avaliação na hora de buscar uma central?

Iniciamos a etapa de discovery utilizando a Matriz CSD para mapear as certeza, suposições e dúvidas que tínhamos no momento.

Investigando o problema

Em seguida, puxamos uma desk research em outros canais, para encontrar mais evidências do problema:

• Chamados de suporte;

• Pesquisas anteriores;

• Comunidade Hellomob;

• Google Play, App Store e vídeos do canal no Youtube;

Com os insights em mãos, extraímos os resultados, analisamos os termos e os classificamos em temas semelhantes para ter idéia de onde estão os maiores pontos de dores do problema.

Definindo o problema

Para dar mais embasamento em cada tema, fizemos entrevistas com o time de suporte, diretores de centrais e clientes com diferentes perfis de utilização da plataforma.

Nesse momento já tínhamos uma definição do problema:

Levantando hipóteses

A partir daí, geramos algumas hipóteses e após conversas com stakeholders, levantamos as possíveis soluções:

Para melhorar a exibição das informações da central, pensamos em trabalhar em um modelo baseado em perfil de redes sociais, muito pela familiaridade que as pessoas já tem com o tema.

Um ponto de atenção é que o perfil precisaria estar sempre atualizado, sem gerar grande esforço para a central. Para isso, fizemos uma análise técnica para levantar os requisitos que conseguiríamos automatizar e quais precisariam ser editadas manualmente.

Com essa definição, iniciamos os primeiros esboços da solução.

Além da página de perfil, decidimos ter um sistema de avaliação dos serviços que a central presta ao usuário.

Como ainda não tínhamos embasamento com o tema, fizemos um benchmark com as plataformas mais conhecidas do mercado e avaliar que modelo se adequa às nossas necessidades.

Além da análise de mercado, fizemos um estudo do fluxo do usuário, regras de negócios, moderação, regulamentos, LGPD, etc.

Apesar da hipótese ir de encontro com os objetivos de resolução do problema, ela ia gerar grande esforço pro time técnico da época.

Para ganhar embasamento, rodamos uma pesquisa com os usuários para entender a familiaridade do nosso público com avaliações, bem como o comportamento e critérios que eles achariam importante avaliar uma central. Nessa pesquisa concluímos que:

Perfil de habilidades

Sistema de avaliações

Nosso público tem o costume de fazer avaliações, porém, não costumam fazer avaliações qualitativas.

Como seria importarte coletar o máximo de insumos durante a avaliação, pensamos em seguir um modelo similar ao do iFood, onde a partir da nota do cliente, o sistema disponibiliza tags de contexto para facilitar a captura rápida. Em complemento, existe um campo de comentário opcional.

Para o nosso contexto, pegamos os critérios mais votados pelos usuários e fizemos uma dinâmica interna para extrair tags positivas e negativas que estão relacionadas ao serviço de uma central.

Por fim, desenhamos o fluxo do usuário junto com o time tech, para ter visibilidade da jornada completa, os pontos de interação, regras de negócio, etc.

Decidindo o que construir

Com mais entendimento das hipóteses de solução, começamos a idear idéias

Tivemos muitas alterações desde a primeira versão, principalmente por questões técnicas, mas chegamos a um modelo ideal:

Validação

Apresentamos remotamente a proposta para 5 diretores de centrais e 5 usuários. Em todas as agendas:

• Contextualizamos os problemas encontrados, o conceito das soluções, o fluxo idealizado e vantagens que a solução traria aos stakeholders;

• Utilizamos um protótipo de baixa fidelidade, mas aplicando informações reais da empresa;

• No final, abrimos espaço para dúvidas e considerações.

Abrir wireframes no Figma

Recebemos 100% de aprovação, com insights relevantes para melhoria da experiência.

Um ponto de atenção é que 3 diretores disseram que através das avaliações, "pontos fracos" da central poderiam ser expostos e isso ser uma desvantagem competitiva.

Argumentamos que se os clientes dessem feedbacks "negativos" para os serviços, eram oportunidade de melhoria da central. E com avaliações positivas, as qualidades iriam ser evidenciadas, criando vantagem em cima da concorrência.

Interface final

Com ajustes realizados, desenhei a versão final de acordo com nosso styleguide e tive agendas de refinamento com o time técnico.

Abrir telas no Figma

Métricas e resultados

Após implementação das soluções, o time de dados configurou toda experiência para conseguirmos mensurar e acompanhar, via Metabase, as métricas de negócio previamente definidas:

Alguns detalhes das métricas e resultados:

Chamados de suporte - No primero mês, diminuímos em 50% os chamados de suporte dos assuntos oriundos do problema;

Conversão - Até o momento que fiquei na empresa, não tivemos resultados suficientes, mas a premissa era a melhora de 20% na taxa de conversão para a etapa de orçamento e aprovação de serviços, que até o momento era de 13% e 16%.

Engajamento - Com as features implementadas, iniciaram a mensuração das principais interações dos usuários na plataforma:

• Funil de uma busca assertiva - relação entre buscar uma central > visualizar perfil > iniciar serviço;

• Serviço recorrente em uma central - a partir de um serviço feito em uma central, analisar se é escolhida outras vezes sem precisar da busca;

• Funil do fluxo de serviço - acompanhar o número de usuários que realizam a primeira métrica e chegam ao final do serviço;

• Avaliações - acompanhar as interações dos usuários ao avaliar centrais, trackeando informações individuais (notas, tags e comentários).

Satisfação do cliente - NPS acima de 80%

Satisfação dos diretores - NPS acima de 80%

Facilidade em gerar um serviço - CES acima de 80%

Aprendizados

Com algumas poucas intervenções de design, entregamos melhorias relevantes para nossos usuários, consequentemente ao ecossistema Cortecloud.

Conciliar a resolução dos problemas, somado aos interesses dos negócios e gerando valor aos interessados, traz satisfação e motivação para continuar fazendo o seu melhor.

Próximos passos

• Informar stakeholders sobre as novas features com ações de marketing (In-app, mailing, Instagram, WhatsApp e vídeos no canal do YouTube);

• Capacitar centrais para manter os dados do perfil atualizados, analisar e interagir nas avaliações;

• Orientar centrais a engajar seus clientes para avaliar;

• Aplicar mais informações das centrais, inicialmente restritas a nível de negócios;

• Tornar pública as páginas de perfil, para dar relevância ao ecossistema Cortecloud e captar novos usuários;

• Acompanhar métricas de sucesso das features e negócios;