1 de abril de 2022
Hay un dicho en el aprendizaje automático: si entra basura, sale basura. Las plataformas de gestión de la experiencia del cliente, como RevealCX Boost ¹ de Nexcom, ofrecen formas innovadoras de recopilar datos de manera eficiente. La inteligencia artificial (IA) tiene un enorme potencial y es muy lucrativa, pero precipitarse en su implementación puede ser una receta para el desastre, a menos que eliminemos primero los sesgos. ¿Cómo podemos diseñar una función que minimice la posibilidad de que la IA ofrezca resultados erróneos?
Prácticas de muestreo para el control de calidad
Históricamente, el control de calidad (QA) ha sido un pozo sin fondo para los centros de contacto y las organizaciones dedicadas a la experiencia del cliente. Los programas típicos de control de calidad ofrecen una visión limitada de una pequeña muestra de transacciones de clientes y no tienen un impacto medible en la experiencia del cliente o en los resultados empresariales clave.
El control de calidad evalúa principalmente el rendimiento de los agentes y proporciona información para evaluar y formar a los agentes. Mediante el análisis de los controles existentes, podemos encontrar una solución para asegurar una evaluación del rendimiento asegurar .
Se han cuestionado ciertas prácticas de control de calidad. Existen dudas sobre la capacidad de evaluar miles de transacciones diarias o por hora. Se necesita un pequeño ejército de evaluadores de calidad para obtener información real sobre la experiencia del cliente y lograr resultados significativos en cuanto al rendimiento.
Las prácticas de muestreo de control de calidad suelen tener buenas intenciones, pero exponen los datos a sesgos al centrarse únicamente en determinados tipos de transacciones, como la duración. Una vez que introducimos el sesgo de muestreo,afectamos a la utilidadde los datos a la hora de tomar decisiones más amplias.
Sin los controles adecuados, existe el riesgo de comprometerla integridad de los datos. Tanto si utilizamos la información para orientar y gestionar el rendimiento de los agentes como para tomar decisiones más amplias, los datos poco fiables afectan negativamente a nuestra confianza a la hora de tomar medidas posteriores.
Conectando el control de calidad con las directrices empresariales
A menudo no está claro qué efectos directos tiene el control de calidad en el aumento de los ingresos, la mejora del rendimiento empresarial y otras métricas financieras. Lafalta de correlaciónhace que las empresas releguen el control de calidad al último lugar de la nómina o lo abandonen por completo.
Los que mantienen el control de calidad no suelen aprovechan la función principal en todo su potencial. Por supuesto, apoyamos el papel del control de calidad en una organización que funciona bien, pero debe impulsar el valor empresarial.
Las organizaciones de alto rendimiento han descubierto dos cosas clave:
- Incorporación de las mejores prácticas en el diseño del control de calidad
- Utilizar las herramientas adecuadas para abordar las deficiencias
Al diseñar una función de control de calidad, primero buscamos formas de establecer una conexión con los aspectos que son importantes para el negocio. En otras palabras, ¿cómo trazamos la línea entre el control de calidad y las métricas críticas del negocio y las personas a las que queremos llegar?
Comenzamos recopilando y analizando diferentes tipos de datos de los clientes, como sus opiniones, expectativas y preferencias. Con este tipo de datos, los clientes nos enseñan lo que más les importa, lo que les motiva a comprar nuestros productos y a fidelizarse con nosotros.
La información sobre los clientes sirve debase para diseñar una función de control de calidad que influye directamente en los indicadores clave de rendimiento.
Errores críticos y rendimiento del proceso
Cuando no llevamos a cabo procesos que apoyan los factores de satisfacción y lealtad, se produce un error crítico ². Las empresas exitosas invierten mucho tiempo en erradicar la causa de un error crítico e implementar soluciones sistemáticas y de largo alcance para mejorar el rendimiento de forma sostenible.
Las organizaciones eficaces recopilan datos para evaluar el rendimiento individual y todo service journey. Perfeccionan el diseño del modelo de soporte y los procesos que afectan a la experiencia del cliente utilizando las herramientas adecuadas para detectar problemas e identificar oportunidades.
Optimizar todos los aspectos del service journey encontrar y validar los comportamientos (humanos y digitales) que impulsan una mayor satisfacción y lealtad del cliente.
Factores comunes que influyen en la satisfacción:
— Precisión en la resolución
— Rapidez del servicio
— Esfuerzo del cliente
— Empatía
El primer aspecto de subsanar las deficiencias en el servicio es saber qué comportamientos o elementos del servicio evaluar. Lo siguiente es saber dónde reducir los errores individuales de los agentes y corregir el proceso. Por cierto, contar con un equipo masivo de evaluadores de calidad no es económicamente viable para los centros de contacto y los obliga a adoptar enfoques de muestreo cuestionables.
Datos precisos y representativos
La IA abre la posibilidad de analizar grandes volúmenes de transacciones de toda la población sin muestras sesgadas. Parece una solución prometedora para la gestión de la experiencia del cliente. Aumenta la eficiencia al tiempo que reduce los costes y permite a las empresas identificar rápidamente si los problemas están relacionados con los agentes o con los procesos.
Sin embargo, es necesario examinar minuciosamente la información que utilizamos para entrenar a la máquina. La IA ofrece formas nuevas y mejoradas de recopilar datos vitales relacionados con la experiencia del cliente. Hay mucho en juego: cualquier sesgo que transmitamos a la IA puede tener graves consecuencias para las operaciones.
Incorporación de las mejores prácticas ³ en todos los aspectos de un programa de control de calidad, comenzando por el diseño de formularios, ayuda a minimizar la posibilidad de que la IA ofrezca resultados erróneos.
Identificar y solucionar las causas fundamentales frente a definir los problemas
Las herramientas de gestión de la experiencia del cliente (CXM), como RevealCX Boost, tienen el potencial de liberar tiempo a su personal, permitiéndoles solucionar problemas en lugar de definirlos. RevealCX puede mostrar el rendimiento de los agentes y qué factores influyen enla experiencia del cliente. Al mismo tiempo, la IA solo puede supervisar lo que se dice o se hace en una interacción. Usted seguirá teniendo que gestionar, contratar, formar, entrenar, desarrollar y motivar a su personal.
Potencial para generar grandes conjuntos de datos
La recopilación de datos que antes llevaba un mes ahora solo lleva un día. Con una calibración adecuada, herramientas como RevealCX le proporcionan datos en los que puede confiar. No hay sesgos involuntarios que afecten a la utilidad de los datos de la muestra, lo que le permite tomar decisiones finales con mayor confianza.
Aprovechar las interacciones con los clientes mediante la inteligencia empresarial
Imagina evaluar a un agente basándote en la totalidad de sus comunicaciones con los clientes durante un periodo determinado, en lugar de en unas pocas interacciones. Gracias al uso de numerosas transacciones y a sus precisas tasas de exactitud, la IA es una forma práctica de evaluar a los agentes y facilitar su formación.
Al analizar un número significativo de muestras, puede mejorar la calidad de coaching imparte. En lugar de decirle a un agente:«Hemos observado que ha cometido un error en una de las cuatro llamadas que hemos analizado»,le diría:«Ha cometido X errores Y veces durante el último mes;trabajemos juntos para solucionarlo».
¿Sabías que:
— El 75 % de los problemas están relacionados con los procesos
— El 25 % están relacionados con los agentes
Conseguir una precisión del 90 % en la evaluación del rendimiento de los agentes mediante IA
El número de evaluaciones que puede crear una organización es el factor limitante a la hora de acumular datos suficientes para entrenar un sistema de inteligencia artificial de control de calidad. Los plazosvariarán en funcióndel tamaño de la operación.
El director tecnológico de Nexcom, Iain Ironside, afirmó: «Según nuestra experiencia hasta ahora, creemos que una vez que tengamos alrededor de 1500 evaluaciones con una buena representación de transacciones con errores y con un manejo aceptable, podremos empezar a crear modelos con un nivel de precisión aceptable».
Con un equipo de control de calidad considerable, las operaciones de gran envergadura que realizan miles de transacciones crearán rápidamente la base de datos. Por otro lado, un grupo pequeño con solo un par de evaluadores de calidad tardará más tiempo en crear una base de datos para el entrenamiento de la máquina.
Las transacciones de voz requieren un paso adicional para su implementación. El análisis de las transacciones será inevitablemente una tarea más extensa, ya que esta etapa implica capturar la estructura de las frases. No hay mucha diferencia de tiempo después de convertir la transacción en texto para la máquina.
Las organizaciones obtendrán rápidamente respuestas más precisas y reducirán los costes invirtiendo tiempo por adelantado.
Espacio para los seres humanos
Las encuestas de satisfacción del cliente y los grupos focales siguen siendo losprincipales medios de análisis de datos para validar los principales factores que impulsan la satisfacción y la lealtad del cliente.
Incluso cuando la IA sea capaz de interpretar la interacción por voz, los expertos tendrán que clasificar lo que es positivo y negativo para el aprendizaje automático. Iain Ironside afirma que sigue siendo necesario contar con un indicador, un experto que asegurar máquina está evaluando correctamente.
Cambios en el conocimiento
Con un mayor análisis de la voz de los clientes, las operaciones cambiarán inevitablemente sus definiciones de los atributos de la voz. Del mismo modo que reentrenamos a un monitor humano, es necesario reentrenar un modelo de aprendizaje automático. El ciclo de reentrenamiento será vital y dará lugar a otra área de estudio.
Nuestra postura sobre la inteligencia artificial
El software de gestión de la experiencia del cliente basado en inteligencia artificial puede ser una forma práctica de influir en los indicadores clave de rendimiento en todo el servicio de atención al cliente. Las plataformas CXM pueden ayudar a las organizaciones a cumplir las expectativas y fidelizar a los clientes utilizando datos para comprender lo que les importa.
En resumen, la IA no elimina la necesidad de los seres humanos ni de las mejores prácticas. Si tienes un formulario incorrecto con un diseño defectuoso, la IA realizará impreciso y seguirás yendo en la dirección equivocada, solo que a un ritmo más rápido.
- Error crítico: cualquier cosa desde la perspectiva del cliente que provoque que la transacción sea defectuosa, como no resolver la consulta (ya sea que esto requiera repetir la transacción), tratar mal al cliente y no comunicarse con claridad.
- Mejores prácticas: La experiencia de primera mano de COPC Inc. a partir de auditorías y revisiones realizadas en todo el mundo y en diversos sectores industriales y/o empresariales. Se trata del mejor enfoque, proceso o método observado por COPC Inc. para abordar un requisito concreto de la norma COPC CX o un proceso llevado a cabo en una operación de contacto con el cliente.