ظهور سریع تکنولوژی‌هایی مثل یادگیری ماشینی و تکنیک‌های هوش مصنوعی یعنی با اینکه کامپیوترها مسائل انتزاعی مثل احساسات را تشخیص نمی‌دهند، اما تکنیک‌هایی وجود دارند که می‌توانند به آنها در مورد شاخص‌های احساسی آموزش دهند؛ مسائلی مثل جلوه‌های صورت، تن صدا و استفاده از زبان.

این مدل‌ها هر روز پیچیده‌تر می‌شوند، اما موانعی بر سر راه آنها وجود دارد و با اینکه ممکن است راهی برای خواندن احساسات فرد در لحظه به شما بدهند، احساس چیزی نیست که ثابت بماند. دورینگتون توضیح می‌دهد: «سنجش احساسات کار بسیار سختی است، اما اگر شرایطی ایجاد شود که بتوانید احساس را بسنجید، دقیق‌ترین کار را کرده‌اید.»  تحلیل صدا یا حالات چهره در همان لحظه می‌تواند اطلاعات خوبی به شما بدهد. مثلا این فرد عصبانی یا خوشحال است. اما به این معنا نیست که او دیروز هم خوشحال بوده یا فردا هم خوشحال خواهد بود. احساسات ذاتا غیرقابل پیش‌بینی هستند.

دورینگتون می‌گوید: «چیزی که برای ما اتفاق می‌افتد را معمولا بر اساس چیزی که در گذشته اتفاق افتاده تفسیر می‌کنیم. عقاید و نگرش‌های ما درونی‌تر هستند و با سرعت پایین‌تری تغییر می‌کنند، اما احساسات ما دائم بالا و پایین می‌شود و تغییر می‌کند. بنابراین، حتی اگر من بتوانم بگویم که یک ساعت پیش شما کاملا ناراحت بودید، لزوما به این معنی نیست که الان هم همین حس را دارید. و چون نمی‌دانیم عامل این حس چه چیزی بوده، تصویری کلی از آن نداریم، بنابراین نمی‌توانیم آن را به چیزی شبیه مدیریت ارتباط با مشتری (CRM) تبدیل کنیم.»

چگونه بر این موانع غلبه کنیم؟

دورینگتون می‌گوید کسب‌وکارها برای اینکه بتوانند احساسات مشتری را تا حدی تشخیص دهند و از این بینش برای شکل دادن تعاملات و روابط مشتری استفاده کنند، به این موارد نیاز دارند: روش‌های جمع‌آوری داده، ابزارهای تحلیلی برای بیرون کشیدن احساسات، ماتریس‌هایی برای پر کردن جاهای خالی و روش عملیاتی‌سازی بینش‌هایی که کل پایگاه مشتری را به ما نشان دهند.

بیشتر سازمان‌ها اولین بخش را مورد توجه قرار می‌دهند و مشتری را تجزیه و تحلیل می‌کنند. اما ابزارهای تحلیل تنها بخشی از این تصویر کلی هستند و داده‌ها می‌توانند فقط ورودی این داستان باشند. دورینگتون توضیح می‌دهد که «منابع داده زیاد هستند، اما مهم‌ترین منبع این است که تا حد ممکن به صدای مشتری نزدیک شوید. یعنی با او چه از طریق تلفن، چه پیام، چه ایمیل و چه هر راه گفت‌وگوی دیگری ارتباط برقرار کنید.» هدف از این کار این است که یافته‌هایتان را فراتر از کسانی که با شما ارتباط مستقیم دارند، قیاس کنید و بدون اینکه از آنها بپرسید دقیقا چه احساسی دارند، راهی برای پی بردن به احساس آنها پیدا کنید. دورینگتون می‌گوید: «به‌عنوان مثال، اگر بانکتان به شما خبر بدهد بابت اضافه‌برداشت از حسابتان باید مبلغ ۳۰ هزار تومان جریمه پرداخت کنید، واضح است که حس منفی می‌گیرید. اما این خبر می‌تواند افراد مختلف را به شیوه‌های مختلف ناراحت کند. مثلا ۳۰ هزار تومان برای یک میلیاردر رقمی نیست، اما اگر به تنهایی زندگی می‌کنید و قسط‌های زیادی دارید، این مبلغ خیلی زیاد است. بنابراین، بخشی از موضوع به این برمی‌گردد که افراد مختلف چگونه تحت تاثیر یک اتفاق قرار می‌گیرند.»

مساله مهم دیگر این است که چه حسی نسبت به آن بانک دارید. اگر همیشه به بانکتان اعتماد داشته‌اید، راحت‌تر با موضوع کنار می‌آیید. پس این دو موضوع نشان می‌دهند یک اتفاق چگونه می‌تواند به شیوه‌های مختلف ارزیابی شود.

چگونه احساسات مشتری را بفهمیم

برخی شرکت‌ها مثل TTEC با استفاده از تکنیک‌های «پردازش زبان طبیعی» حکایت‌های مشتریان را تحلیل می‌کنند تا احساسات آنها را در هر گونه ارتباطی که پیش می‌آید، بیرون بکشند. آنها برای اینکه این احساسات بیرون آمده را به پیش‌بینی‌های بلندمدت تبدیل کنند، جنبه‌های مختلف یک «لحظه زودگذر» را اندازه می‌گیرند و آن را به سفر خرید مشتری ربط می‌دهند.  البته باز هم به گفته دورینگتون، ۱۰۰ درصد دقیق نمی‌توانید احساس مشتری را پیش‌بینی کنید، چون نمی‌دانید در یک روز چه اتفاقاتی برای او افتاده و بر چارچوب ذهنی‌ او اثر گذاشته است. بنابراین، اگر فکر می‌کنید کاملا فکر و احساس مشتری را در چنگ خود دارید، اشتباه می‌کنید. فقط می‌توانید به یک نقطه عطف در احساس مشتری نزدیک شوید. عملیاتی کردن داده‌ها و توانایی تصمیم‌گیری در لحظه و متناسب‌سازی این تصمیم‌ها در هر تعامل، همان نقطه عطف است.

در دنیای کسب‌وکار که سازمان‌ها به دنبال متمایز کردن خودشان هستند، توانایی برطرف کردن نیازهای احساسی و کارکردی مشتری، مطمئنا یک مزیت رقابتی خواهد بود.