Es habitual encontrar empresas con cierto tamaño con procesos de recolección continua de feedback de sus clientes. Herramientas clásicas como los NPS (Net Promoted Score) han sido las principales herramientas utilizadas hasta la fecha.
Desde hace unos pocos años ya sabemos que los clientes también comparten su feedback sobre productos y servicios en redes sociales, blogs, tiendas online, etc. Algunas empresas han sabido verlo y han incorporado esta información a sus NPS.
BSH, empresa cliente de #lexic, es un ejemplo de orientación al cliente en todo lo que hace, también en los referente a #analytics. Reciben cientos de miles de llamadas, miles de emails, y decenas de miles de mensajes a través del chat. Durante el 2020 se dieron cuenta de que todas estas conversaciones con clientes eran oro puro y a nivel global empezaron varias iniciativas con el objetivo de analizarlas con una perspectiva de mejora continua.
Para esta tarea nos eligieron a nosotros y os compartimos 4 aspectos relevantes de esta iniciativa:
La verdad y nada más que la verdad: El feedback que encontramos en internet o los NPS tiene mucho sesgo. Es conocido por todos que existe una industria de "fabricación de reviews" y que los NPS, muchas veces, obtienen respuestas "enlatadas" y poco elaboradas que no permiten indagar de manera profunda. Sin embargo, con una llamada, o con una conversación de chat, las frustraciones y las alegrías del cliente afloran sin filtro, sin sesgo. Captarlas, tratarlas y convertirlas en información relevante es como recibir un chequeo completo en el médico. Sabes dónde te duele y dónde estás sano, sin tapujos
¿Solo para mejorar la Atención al Cliente?: los clientes te lo cuentan todo: no pueden pagar con paypal, el instalador ha sido muy amable y profesional, no han recibido el email de confirmación del pedido, le interesa cambiar la lavadora, no entienden la garantía, la bandeja del frigorífico se les ha roto, echan de menos más colores, no les funciona el cupón,... Agregar y analizar toda esta información y utilizarla en tiempo real es un input fundamental para todos los departamentos de una organización: canal digital, logística, servicio técnico, producto e innovación, crm, marketing y ventas, etc.
¿Clientes satisfechos? Pues sabíamos que sí porque los NPS al respecto así lo decían. Había quejas sobre la atención al cliente pero en general todo muy positivo. ¿Cómo se mide la satisfacción? con un NPS🤔. Medir, en tiempo real, la satisfacción del usuario utilizando la información que nos está compartiendo en ese momento es, sin duda, un cambio de paradigma. Ahora BSH puede conocer la satisfacción del usuario en tiempo real y con la granularidad de la conversación y del tema de la misma gracias a unos algoritmos de IA.
Datos y Acción!: el dato debe ser utilizado. No vale con tener un diagnóstico sin que después utilicemos esa información para curarnos o mejorar. En Lexic estamos trabajando en dos tipos de Acción del Dato:
Avisos y Alertas: si mi pasarela de pago no funciona, si los clientes llaman para preguntar por la configuración del "homeconnect", si el cupón del blackfriday no funciona entonces tengo que avisar en tiempo real al responsable de la solución
Detección temprana: en una línea de investigación interna estamos diseñando algoritmos que sean capaces de identificar "pequeños" problemas que puedan convertirse en "grandes". La predicción contextual (aquella que tiene que ver con mi negocio) es una herramienta fundamental para que una empresa pase de una relación reactiva con el cliente a una proactiva.
El procesado (a partir de aquí interesa a expertos en analítica y ciencia de datos) de estas conversaciones tiene muchas más aplicaciones en el sistema de información de las empresas. Os recordamos que, por detrás, lo que la plataforma de Lexic genera es un gigantesco dataset con información clasificada, clusterizada, etiquetada, etc.
Fusionar esos datos no estructurados con datos de ventas, tráfico web, conversión de promociones, CRM, etc permitiría eliminar silos de conocimiento, mejorar la inteligencia de las empresas y, por fin, ser una "data-driven-company"
En otro post hablaremos de cómo utilizar este análisis para automatizar procesos de front-end de cliente.
Comments