Artículo

De qué manera las empresas pueden mejorar la experiencia para el cliente con el aprendizaje de máquinas

Por Pedro Muller

Publicado 14 septiembre 2017
Última actualización en 14 septiembre 2017

La satisfacción del cliente es el ítem fundamental de cada equipo de atención al cliente. Todos queremos dejar a nuestros clientes felices y la satisfacción se transforma tanto en la razón por la cual vamos a nuestras empresas, como en el termómetro con el cual medimos nuestro éxito. Toda interacción ofrece a una empresa la oportunidad de dejar feliz a un cliente, ayudando a construir una relación duradera. Sin embargo, algunas interacciones con los clientes tienen una calidad impredecible y terminan en un lugar diferente del que comenzaron. Si usted supiera el rumbo de las interacciones con sus clientes, estaría mejor preparado para realizarlas exitosamente, capaz de implantar herramientas y recursos específicos para garantizar un resultado positivo.



En un reciente informe, Aphrodite Brinsmead, Analista Principal en Ovum, observa que si bien las empresas emplean varias métricas diferentes para evaluar la satisfacción del cliente - desde las tasas de resolución de tareas hasta las tasas de retorno de llamada - estas métricas son típicamente revisadas tras lo sucedido y no pueden ayudar a un agente a evitar un encuentro difícil con un cliente antes de que suceda.



Esa falta de visión posee consecuencias a largo plazo, afectando la reputación de la marca y la contención de clientes. Los actuales consumidores esperan resoluciones sencillas y rápidas para sus preguntas y problemas. Cada vez más, se comunican con las empresas mediante una infinidad de canales digitales. Con esos y otros factores en juego, Brinsmead defiende un nuevo abordaje a la atención al cliente: "De forma ideal, las centrales de contacto necesitan determinar la satisfacción del cliente en tiempo real para combatir la tasa de churn y el sentimiento negativo que se comparte entre sus colegas".



Al aplicar el aprendizaje automático y el análisis predictivo, las empresas pueden automatizar tareas simples, como responder las preguntas más frecuentes y revolucionar la forma como ofrecen soporte al cliente.

"Aquí en Zendesk, estamos aplicando recursos de aprendizaje de máquina en algunos de nuestros productos", comenta Adrian McDermott, Vicepresidente Senior de desarrollo de productos de Zendesk. "Las herramientas como predicción de la satisfacción y respuestas automáticas ofrecen a los clientes los recursos necesarios para resolver los problemas de forma más rápida y enfocar más tiempo y atención en consultas que exigen un toque humano. A medida que avanzamos, seguiremos expandiendo nuestro uso de aprendizaje automático en nuevas y estimulantes maneras, leyendo más pistas en el contenido disponible y ofreciendo respuestas recomendadas".

Cuanto más apropiada sea una resolución, más felices estarán los clientes con su empresa. Es un ciclo de servicio y satisfacción que tiene un impacto real y mensurable en el resultado de una empresa.



Predicción de la Satisfacción



La herramienta de Predicción de la Satisfacción de Zendesk ofrece flexibilidad y personalización a las empresas a medida que buscan solucionar sus propios desafíos de atención al cliente. Con base en una puntuación de "predicción de la satisfacción" atribuida a cada interacción, las empresas pueden escoger los mensajes que desean priorizar y dedicar más tiempo y recursos para resolver los asuntos más desafiantes. Es como entregar una bola de cristal a cada agente de atención al cliente en su equipo.


 

Por ejemplo, al señalar los índices de satisfacción negativa como un indicador de clientes de alto riesgo, Pinterest puede ahora movilizar agentes de atención al cliente para corregir proactivamente los problemas. Antes de las herramientas de aprendizaje usábamos primero el tiempo del agente para descubrir los problemas, después intentando solucionarlos.

"Anteriormente, un miembro del equipo se dedicaba a analizar los tickets y a derivar las experiencias identificadas potencialmente como negativas", señala Maggie Armato, Líder de soporte de reacciones de Pinterest. "Ahora, usamos la puntuación de predicción para identificar automáticamente y con precisión los tickets de experiencias negativas para que nuestros agentes puedan centrar su atención en las áreas de mayor valor".



Respuestas automáticas



Zendesk también usa el aprendizaje de máquinas para ofrecer respuestas automáticas a consultas comunes de atención al cliente, capacitando a los clientes al autoservicio. Estudios muestran que actualmente una gran parte de los consumidores prefiere resolver su propio problema. Usando las herramientas internas para feedback de usuario en tiempo real, las empresas pueden refinar continuamente su proceso de autoservicio, ofreciendo información más rápida y precisa. Incluso las pequeñas empresas, sin un enorme conjunto de datos, pueden transformar lo que saben sobre sus clientes en una mejor experiencia.



En el futuro, a medida que los productos de consumo continúen interaccionando con Internet, los canales digitales ofrecerán muchos más datos. Auxiliados por el aprendizaje de máquina, las centrales de atención al cliente estarán en condiciones de analizar los datos y reaccionar a un problema antes de que el cliente tenga conocimiento acerca del asunto - realmente un paso innovador para las empresas enfocadas en la atención al cliente.