Uso de la IA para hacer un seguimiento de lo que sienten los clientes, en tiempo real

Para tener éxito, las empresas tienen que entender lo que piensan y sienten sus clientes. Las empresas dedican enormes cantidades de tiempo y dinero a esforzarse por conocer mejor a sus clientes. Pero a pesar de esta importante inversión, a la mayoría de las empresas no se les da muy bien escuchar a los clientes. Sin embargo, no es por falta de intentos: las herramientas que utilizan y lo que intentan medir pueden no estar a la altura de las circunstancias. Nuestra investigación muestra que las dos medidas más utilizadas, la satisfacción del cliente (CSAT) y la puntuación neta de promotores (NPS), no indican a las empresas lo que los clientes piensan y sienten realmente, e incluso pueden ocultar problemas graves.

Durante años, las encuestas cuantitativas han sido el estándar del sector. Hacen a los clientes una sola pregunta: En una escala del 0 al 10, ¿qué probabilidades hay de que esté satisfecho con el producto o servicio de la empresa? ¿O qué probabilidades hay de que recomiende este producto a un amigo o colega? Si bien estas encuestas consumen muchos recursos y los clientes las encuentran cada vez más intrusivas y se inclinan cada vez menos a participar, siguen siendo una parte fundamental de la estrategia de las empresas para entender a sus clientes**.**

El problema es que estas encuestas no pueden captar respuestas emocionales importantes y, como resultado, acaban pasando por alto comentarios de vital importancia. En nuestra investigación, descubrimos que los clientes suelen puntuar muy bien a las empresas en las encuestas, incluso cuando tienen problemas importantes con sus productos o servicios, una respuesta de vital importancia que se pierden. Y al enmascarar una importante insatisfacción de los clientes, estas encuestas pueden provocar que las empresas pierdan clientes sin saber por qué.

Sin embargo, hay una mina de oro de datos buenos si sabe dónde buscarlos y cómo analizarlos. Los clientes suelen revelar sus verdaderas ideas y sentimientos en los cuadros de comentarios abiertos que normalmente aparecen al final de las encuestas. En general, el contenido de estos comentarios ofrece un indicador mucho más fiable del comportamiento de un cliente. Sin embargo, a menudo se ignoran y, si es que se utilizan, normalmente se utilizan después de calcular las puntuaciones.

La buena noticia es que la mayoría de las empresas tienen el poder de corregir este descuido con relativa rapidez. Desarrollamos un enfoque basado en la IA que los profesionales pueden utilizar como modelo para ajustar sus procesos de comentarios de los clientes en consecuencia.

Cómo puede ayudar la IA

Es fácil entender por qué las encuestas cuantitativas se hicieron populares: son una forma de preguntar a un gran número de clientes cómo se sienten. Los enfoques cualitativos, como los grupos focales o la lectura y el análisis manuales de los comentarios de los clientes, requerían demasiado mano de obra para ampliarlos. Ahora, la tecnología ha cambiado lo que es posible y las tácticas tienen que ponerse al día.

El primer cambio, y el más importante, que deberían hacer las empresas es cambiar el lugar en el que invierten en su análisis de las opiniones de los clientes. Deberían empezar con los comentarios cualitativos y, después, pasar a los resultados de sus encuestas cuantitativas. Si tienen las herramientas adecuadas para analizar los datos cualitativos (por ejemplo, sistemas de gestión de relaciones con los clientes, redes sociales, reseñas de clientes, correos electrónicos, notas de los centros de llamadas, chatbots, etc.), las empresas podrían incluso considerar la posibilidad de abandonar por completo las encuestas cuantitativas, ya que permiten escuchar lo que piensan y sienten los clientes en varios puntos de contacto en tiempo real.

Aquí es donde los modelos y herramientas de IA pueden ayudar. Los vendedores y los gerentes de experiencia del cliente aún no adoptan ampliamente las herramientas de IA, y las que están disponibles suelen indicar solo sentimientos positivos o negativos. En nuestra investigación, utilizamos un marco centrado en el cliente para extraer y asignar las palabras clave que representan la experiencia del cliente (CX) a las siguientes dimensiones: recursos (por ejemplo, conocimiento, sistema, producto, habilidades, etc.); actividades (por ejemplo, arreglar, pedir, prestación de servicios, etc.); contexto o situaciones que afectan a la experiencia (por ejemplo, fin de semana); interacciones (por ejemplo, llamadas, charlas, etc.); y función del cliente (por ejemplo, las ofertas sugerencias o neutrales). Luego identificamos tanto las emociones de los clientes (alegría, amor, tristeza, enfado y sorpresa) como las respuestas cognitivas (cumplidos, quejas y sugerencias) en los puntos de contacto.

Por ejemplo, un cliente obtuvo 10 sobre 10 en la puntuación de CSAT. Sin embargo, también hicieron el siguiente comentario: «Lo único que nos decepcionó un poco tiene que ver con las reparaciones. Parece que cada vez que salen hay más de 1000 dólares en servicio. Parece que los instaladores tienen dificultades para diagnosticar el problema y siempre parece que es más caro». En este comentario, aplicamos un enfoque de procesamiento del lenguaje natural (PNL) basado en la lingüística para extraer y mapear las palabras clave. Por ejemplo, «reparar» se asocia a «puntos de contacto», «instaladores» se asigna a los recursos, «diagnosticar el problema» se clasifica en actividades, «un poco decepcionado» se considera una emoción de tristeza y términos como «más de 1000 dólares», «esforzándose», «más caro», se clasifican en quejas.

Por último, nuestra IA genera y convierte las funciones clave en variables predictivas que pueden entrenar al modelo para predecir si los clientes están satisfechos, son neutrales o tienen alguna queja, sin utilizar las puntuaciones de las encuestas cuantitativas.

Los algoritmos de IA pueden captar el vocabulario especializado que utilizan los clientes y combinar sus puntos de vista expresados con sus propias palabras con las escalas de valoración tradicionales para obtener información detallada. Esta información puede moldear directamente las acciones a corto y largo plazo para retener a los clientes.

Probamos nuestra herramienta de IA en datos longitudinales sobre la experiencia del cliente recopilados por cuatro proveedores de servicios multinacionales, un conjunto de datos de unos 30 000 comentarios. Estas firmas piden a los clientes que califiquen sus servicios utilizando las métricas tradicionales de CSAT y NPS y hacen una última pregunta abierta. Si bien los datos que utilizamos provienen específicamente de estas preguntas de la encuesta, los datos de cualquier tipo de fuente cualitativa funcionarían. Esto es lo que hemos aprendido.

Seis beneficios clave del uso de la IA

En nuestra investigación, descubrimos que la IA puede transformar la forma en que las empresas piensan y miden la experiencia del cliente, pero destacamos seis beneficios en particular.

La IA puede mostrarle lo que se está perdiendo.

Las empresas suelen juzgar mal lo que sus clientes realmente quieren. Descubrimos que los puntos de contacto que realmente importan a los clientes pueden no ser los que esperan las empresas. Es importante destacar que este enfoque cualitativo impulsado por la IA puede mostrarle lo que se está perdiendo y, por lo tanto, cómo solucionarlo.

Por ejemplo, una empresa se centraba únicamente en las ventas, las piezas, el servicio de campo y los puntos de contacto del taller, pero los clientes generalmente consideraban que los puntos de contacto de la financiación y la facturación eran más importantes en su interacción con la empresa. Como resultado de esta información, la empresa podría redirigir sus recursos.

Capacite a sus empleados en función de lo que realmente es importante para los clientes.

Entender cómo sus clientes trabajan con su empresa le permite crear un programa de formación personalizado para educar a los empleados sobre cómo empatizar más con los clientes, preocuparse por sus problemas e interactuar con ellos sin problemas.

Por ejemplo, nuestro modelo destacaba que los empleados de una empresa solían ser inflexibles y mostraban poco cuidado ante las quejas de los clientes. Basándose en esta información, la empresa formó a los empleados en talleres sobre experiencia del cliente para que transmitieran mensajes clave sobre la atención al cliente, la empatía con los clientes, las estrategias de recuperación del servicio (qué hacer cuando las cosas van mal) y la adopción de medidas correctivas. Al seguir estas medidas de experiencia del cliente, las empresas vieron un aumento en la satisfacción de los clientes y una mejora en la retención.

Determine las causas fundamentales.

Para solucionar un problema, tiene que entenderlo. En lo que respecta a la experiencia del cliente, las empresas pueden utilizar la información producida por la IA para deducir no solo dónde hay problemas, sino también su causa.

En un caso, la comunicación era un gran problema. La información obtenida se utilizó para reparar las relaciones con los clientes a los que se identificó que tenían probabilidades de desertar. La empresa tomó medidas decisivas. En primer lugar, los gerentes de cuentas empezaron a hacer un seguimiento con estos clientes identificados para saber realmente cuáles eran sus inquietudes. Luego, la empresa invitó a los principales clientes a un evento corporativo para analizar en reuniones individuales los motivos de los fallos del servicio.

Capture las respuestas emocionales y cognitivas de los clientes en tiempo real.

Las empresas deberían captar lo que piensan los clientes con respecto al servicio a través de emociones discretas (alegría, amor, sorpresa, enfado, tristeza y miedo) y extraer respuestas cognitivas, conceptualizadas a través de las evaluaciones de los clientes (por ejemplo, quejas, cumplidos y sugerencias) en tiempo real. Es importante captar los comentarios en tiempo real, ya que las respuestas emocionales y cognitivas pueden disiparse con el tiempo y es probable que se olviden los detalles de la interacción. El análisis de la IA permite a las empresas replantearse su programa actual de medición de la experiencia del cliente.

Por ejemplo, una de las firmas con las que trabajamos está poniendo a prueba tres puntos de contacto críticos e incorporando mecanismos de retroalimentación en cada uno de ellos para analizar los datos en tiempo real mediante nuestro modelo de IA.

Detecte y evite la disminución de las ventas.

Las empresas pueden segmentar a los clientes en función de su valor monetario mediante el NPS, con las respuestas emocionales de los clientes que detectan una disminución de las ventas. En una de las empresas, identificamos a los clientes que, a pesar de obtener puntuaciones altas en el CSAT o el NPS, corrían el riesgo de desertar debido a problemas históricos. Hemos demostrado a la empresa que si estos clientes denominados «satisfechos» desertaban, probablemente les costaría alrededor de 6 millones de dólares en pérdidas de ventas. Esta información podría alertar a las empresas de cualquier caída en las ventas y ayudarlas a reducir los costes asociados a la pérdida de clientes y la adquisición de nuevos clientes. Detectar cuando un cliente ha caído a una puntuación de categoría inferior permitía a la empresa interferir para evitar perder a ese cliente.

Priorice las acciones para mejorar la experiencia del cliente.

Por último, las empresas pueden utilizar estos conocimientos para diagnosticar los factores subyacentes que perjudican a los clientes y, luego, priorizar las causas fundamentales que requieren atención. Esto permite a los directivos dejar de realizar determinadas acciones (quejas), empezar a realizar nuevas acciones (sugerencias) y seguir realizando acciones (cumplidos).

Este proceso se puede codificar y automatizar para que las empresas puedan ver en tiempo real el rendimiento de determinadas áreas, profundizar e intervenir en cualquier problema que surja. El análisis también ofrece a los empleados una visión de todo el recorrido, lo que permite a los empleados de toda la organización tener la misma visión del cliente, de modo que, si surgen problemas, todos los empleados de primera línea puedan ver lo que ha sucedido y actuar en consecuencia.

***

La experiencia del cliente es ahora la principal diferencia entre la competencia. A medida que muchos clientes utilizan servicios inteligentes y en tiempo real y aplicaciones sencillas, las empresas pueden recopilar cada vez más datos literales en tiempo real sobre los viajes de los clientes en lugar de confiar en formas simplificadas y de una sola métrica de medir la experiencia del cliente. La combinación de estos datos extraídos de los comentarios directos de los clientes con el análisis de las transacciones de los clientes y otras fuentes puede ofrecer a las empresas una visión personalizada de 360 grados de la experiencia del cliente.

Al implementar un modelo basado en la IA como el que hemos descrito anteriormente, las empresas pueden supervisar la experiencia del cliente en tiempo real y generar información que permita a los proveedores de servicios ofrecer una experiencia de cliente perfecta e intervenir de manera oportuna para una recuperación eficaz del servicio. Por lo tanto, las organizaciones pueden utilizar los datos que provienen no solo de sus propios puntos de contacto, sino también de puntos de contacto externos en los canales digitales, físicos y sociales con el objetivo principal de adoptar de forma continua y proactiva la experiencia del cliente para retener a los clientes y lograr su fidelización y un crecimiento a largo plazo.