En nuestro artículo anterior, analizamos cómo coaching la satisfacción coaching (CSAT) hacia una cifra concreta puede suponer una pérdida de tiempo y esfuerzo, insatisfacción de los empleados y dificultades para mejorar los resultados de CSAT. Este mes, hablaremos de lo que deberíamos hacer en su lugar, descubriendo los factores clave que influyen en la CSAT.
CSAT como métrica de rendimiento
En primer lugar, debemos acordar que el CSAT es una métrica de resultados en el centro de contacto, no una métrica de insumos. Por ejemplo, supongamos que usted desea ganar más dinero al año. Ganar más dinero podría cuantificarse como una métrica, pero es un resultado, no un insumo.
Por ejemplo, si hablara con un reclutador o asesor financiero y le dijera que su objetivo es ganar más dinero, ellos no deberían limitarse a revisar su currículum o sus activos y pasivos y decirle: «¡Genial! Para lograrlo, debe comenzar a ganar más dinero de forma gradual y, con el tiempo, alcanzará la suma total que desea». Si lo hicieran, usted buscaría ayuda en otra parte.
Lo mismo ocurre cuando un supervisor le dice a un agente que aumente su CSAT subiéndolo un poco cada semana (incluso ignorando la validez estadística de la medida; simplemente no es un plan útil). En cambio, lo que se espera de un reclutador o un asesor financiero y lo que los agentes deben esperar de un supervisor es un plan. ¿Qué medidas concretas se pueden tomar para mejorar la situación? De eso hablaremos en este artículo.
Medición de la experiencia del cliente
Obtenga una visión precisa del rendimiento y datos procesables que, en última instancia, conducirán a mejoras sostenidas en la experiencia del cliente.
Comprender las relaciones: aportaciones y factores clave
El plan para mejorar algo como el CSAT requiere comprender la relación entre aspectos como los insumos y los factores clave del CSAT. Estos suelen observarse como otras métricas de rendimiento y comportamientos de los agentes. Antes de entrar en detalles matemáticos, utilizaré un ejemplo que facilita la comprensión del razonamiento que hay detrás.
Supongamos que queremos predecir qué jugadores que comienzan una carrera profesional en el baloncesto tienen más probabilidades de triunfar. Podríamos pensar en algunas estadísticas que conocemos y que podrían ayudarnos.
Probablemente, la altura de un jugador sea importante; podemos suponer razonablemente que, a medida que aumenta su altura, también aumenta sus posibilidades de éxito. La altura del jugador y el aumento de las posibilidades de éxito es una relación o correlación entre variables. El tamaño de las manos de un jugador también podría ser importante. Una vez más, podríamos probarlo y ver si se correlaciona con el éxito.
Sin embargo, probablemente también exista una relación entre la altura y el tamaño de la mano, que puede ser sustancial (es decir, cuando una variable cambia, la otra cambia de una manera muy predecible). Cuando veas esto en tus entradas, debes tener cuidado.
Podría ser que solo una de las variables predijera su producción, y la otra predijera su producción adicional. Para abordar esto, podemos utilizar la regresión múltiple. Esta técnica tiene en cuenta numerosas variables y elimina las entradas que parecen contribuir a la predicción únicamente porque se parecen mucho a otra entrada.
El papel de la regresión múltiple
En este caso, utilizando la regresión múltiple, podríamos descubrir que solo importa el tamaño de la mano. El tamaño de la mano está tan relacionado con la altura que no necesitamos esa variable, y tal vez los jugadores de baloncesto con un tamaño de mano mayor en relación con su altura tengan más éxito.
Sin embargo, el tamaño de la mano por sí solo probablemente no sea muy predictivo (o eso, o los ojeadores de baloncesto están excesivamente bien pagados). Hay muchas variables que entran en juego: rendimiento anterior, lesiones, toma de decisiones y trabajo en equipo. Cuantas más de estas variables tengamos en cuenta correctamente, más predictivo será nuestro modelo y más seguros podremos estar de los resultados probables.
También te puede interesar:
Elegir entre CSAT, NPS o CES: por qué no importa
Aplicación del enfoque a los comportamientos
Podemos utilizar el mismo enfoque con los comportamientos. Siguiendo con el baloncesto, podríamos comprobar si el regate mejora la precisión antes de lanzar un tiro libre. ¿Cuántas horas de sueño antes de un partido son las óptimas? ¿Cuántos pases antes de un tiro conducen a la mejor oportunidad de encestar? Todas estas son cosas observables y entrenables que se pueden incluir en el plan de mejora de un jugador. Cada una de ellas les ayudaría más que decirles: «Tenéis que salir ahí fuera y marcar más puntos».
Volviendo a las matemáticas y los centros de contacto, su CSAT (o cualquier resultado) es una variable dependiente, es decir, depende del rendimiento de otras variables. Sus otras métricas, como el tiempo de respuesta, el tiempo medio de gestión (TMO), la tasa de escalado, etc., pueden ser variables independientes; pueden predecir el CSAT y usted puede controlarlas en mayor medida.
También es probable que haya cambios de comportamiento que un agente pueda realizar y que mejoren sus posibilidades de obtener un resultado positivo. ¿Utilizó el agente los recursos adecuados? ¿Investigó para identificar el motivo del contacto? ¿Ofreció todas las soluciones razonables? ¿Explicó los siguientes pasos?
Identificación de los factores clave de la satisfacción del cliente (CSAT)
Es necesario saber cuáles de estos factores son importantes para sus clientes. Una encuesta sobre factores clave, que mide la satisfacción general y la satisfacción con lo que los clientes consideran fundamental en general, puede indicarle en qué factores debe centrarse.
Además, los análisis de los datos existentes sobre la experiencia de los clientes mediante regresión múltiple, CART, chi-cuadrado u otras técnicas pueden ayudar a determinar qué factores influyen realmente en la satisfacción general y cuáles son los más importantes. Elegir los factores clave es similar a tomar diversas estadísticas de los jugadores de baloncesto y averiguar cuáles predicen el éxito.
En este ejemplo, COPC descubrió que «Respetar mi tiempo» estaba muy por encima del factor clave de satisfacción, mientras que el cliente había ponderado por igual todos los factores presentes.
Una vez que conozca estos factores, un programa de calidad sólido se convertirá en un elemento fundamental para su capacidad de gestionar la satisfacción del cliente. No solo sabrá qué factores son esenciales a nivel de programa, sino que este conocimiento también hará que coaching sea coaching manejable y mucho más eficaz. Es fundamental partir de la información correcta.
En el ejemplo anterior, esto significaría coaching relacionadas con el respeto al tiempo del cliente antes de preocuparse por otras áreas de mejora.
Cómo podemos ayudarle en su viaje
Aunque espero que este artículo explique parte del proceso y por qué es importante, hay muchos pasos y matices a la hora de llevar a cabo una encuesta y análisis de factores clave. Si le interesa el tema, hemos ayudado a muchas empresas como la suya a identificar las preguntas adecuadas para sus clientes, analizar los datos y crear programas de calidad eficaces que impulsan un mayor CSAT. Si desea recibir orientación sobre COPC, estaremos encantados de ayudarle.
Autor
Nathan Van Allen, consultor en COPC Inc.