22 de Mayo 2023, Mechelen Belgium
La edición 2023 de Partner Days de Xdroid se basó en el tema de «Taking the Next Steps Together». Junto con sus partners, Xdroid tiene como objetivo dar pasos significativos hacia la revolución de la industria de Servicio al Cliente y Experiencia del Cliente (CX). Como parte de este viaje, Xdroid anunció que ha emprendido múltiples proyectos para impulsar el negocio colectivo y facilitar el crecimiento para todos. Uno de los proyectos clave en esta próxima fase para Xdroid y sus socios es el nuevo Modelo de Predicción del Net Promotor Score (NPS).
Si bien el NPS es un buen indicador de los niveles de satisfacción del cliente, el mayor desafío en su implementación es la baja tasa de respuesta de los clientes. La tasa de respuesta promedio para las encuestas de NPS es aproximadamente del 30 al 40%. Esto significa que, de todas las interacciones con los clientes, solo el 30 al 40 por ciento de los clientes se toman el tiempo para puntuar la llamada. Esto varía aún más según la plataforma utilizada para recopilar los datos. Además, los datos son en su mayoría cuantitativos y ofrecen pocos o ningún comentario útil.
El NPS tampoco tiene en cuenta todo lo que implica garantizar una llamada exitosa. No se consideran factores externos como la calidad de la red. A menudo, se culpa a los agentes por asuntos que escapan a su control y se quedan con un bajo NPS. Las respuestas, por lo tanto, tienden a estar sesgadas, ya que los clientes tienen más probabilidades de hacer un esfuerzo adicional para informar a la empresa que están insatisfechos con el servicio que para elogiar un buen servicio al cliente. Esto conduce a una falta de precisión en el NPS.
El Modelo de Predicción NPS de Xdroid
Para abordar esta falta de precisión, Xdroid ha desarrollado un modelo predictivo para el NPS que analiza cada aspecto de la llamada y predice cuál podría ser el NPS para esa llamada en particular. El modelo estudia diversos factores, como el sentimiento del cliente al comienzo de la llamada y hacia el final. El modelo lo hace identificando el uso de ciertas frases a través de etiquetas de llamadas y etiquetas de sentimiento.
Una de las características interesantes del modelo, por ejemplo, es analizar la evolución del sentimiento del cliente desde la primera mitad de la llamada hasta la segunda mitad. Entonces, si un agente logra calmar a un cliente angustiado y llevar su emoción en la llamada desde la ira («¡Estoy muy decepcionado, mi producto aún no ha llegado!») hasta la gratitud por resolver el problema («¡Muchas gracias por atender mi problema!»), el modelo predictivo predecirá una buena puntuación para esa llamada.
El éxito del modelo radica en cómo los clientes finales lo utilizan. Cuanto más analicen, es decir, cuantos más datos ingresen, mejor será el modelo. Los clientes tienen la libertad de personalizar completamente el modelo y ajustarlo. También pueden construir el modelo para adaptarlo a sus proyectos específicos. Una vez que el modelo está calibrado, los clientes tendrán sus tarjetas de puntuación junto con los KPIs del modelo del día cero. Tienen la flexibilidad de revisar la llamada en su totalidad y tener en cuenta tanto la experiencia del agente como la del cliente.
El modelo clasifica al cliente como detractor, neutral o promotor, y puntúa la llamada en una escala del 1 al 10. Basándose en la llamada analizada, el agente también recibe comentarios sobre su desempeño. Los factores que contribuyeron al éxito de la llamada se presentan a los clientes para su posterior revisión. El modelo analiza el comportamiento del agente y los clasifica como bueno, malo o neutral.
Además, el modelo destaca los niveles de estrés del cliente para resolver su problema durante la llamada. Esto implica verificar el esfuerzo del cliente en función del tiempo y la paciencia que tuvo que dedicar a la llamada. Este esfuerzo puede ser alto, medio o bajo. Por lo tanto, los clientes tienen acceso a todo lo que sucedió durante la interacción con el cliente y cómo afectó el éxito o el fracaso de la llamada. Luego pueden comparar el NPS real de las encuestas con las predicciones del modelo y descubrir qué factores influyen más en los niveles de satisfacción del cliente.
Llamado para Colaborar
Las pruebas de Xdroid del modelo con clientes han sido prometedoras. El modelo se probó en 80,000 llamadas calificadas por los clientes y mostró una precisión del 82% en la predicción del NPS general, y una precisión del 97% en la predicción de Promotores, Detractores y Neutrales. La próxima fase de pruebas importantes a través de colaboraciones con socios y clientes se centrará en la verificación en múltiples idiomas. También tienen la oportunidad de configurar y probar modelos separados para diferentes categorías.
