AUTORES

Alessandro Volpe
Lead Data Scientist &
Experience Mining Expert
@Bip xTech

Evaluar y medir la experiencia del cliente de una empresa no es fácil. Encontrar una medida objetiva para la Experiencia del Cliente es imposible, sin embargo, es posible definir indicadores que puedan ofrecer una estimación aproximada de su calidad.

Si un enfoque totalmente cuantitativo para medir la experiencia no es posible, un enfoque totalmente cualitativo sería igualmente falaz. Por tanto, es preferible adoptar un enfoque mixto cualitativo-cuantitativo, derivado de las ciencias sociales y común al análisis de muchos fenómenos complejos.

Lo que tradicionalmente se lleva a cabo es una evaluación parcial de algunos momentos críticos (pain points) del Customer Journey, aquellos que surgen de las actividades de Investigación. La verdadera fuerza de este método es la capacidad de estimar la calidad de la experiencia, interpretar los comportamientos y comprender las causas que los generan para poder diseñar acciones relevantes para los clientes finales y su experiencia.

El método cualitativo-cuantitativo que se utiliza hoy en día es científicamente válido, ofrece soluciones eficaces, pero sólo se refiere a un conjunto de clientes, los que han sido analizados, y ésta es su gran limitación.

Mapeo de los viajes de los clientes: el enfoque basado en datos de la experiencia del cliente

Para superar los límites de la medición tradicional de la Experiencia del Cliente, las empresas impulsadas por los datos pueden emplear aplicaciones de Minería de Datos y Aprendizaje Automático. La idea innovadora propuesta y desarrollada por Bip permite un nuevo enfoque para mapear la Experiencia del Cliente y correlacionarla con los KPIs del negocio en una lógica data-driven, a través de la recolección y análisis de datos sobre las interacciones entre los clientes y los touchpoints corporativos.

Estas «trazas de usuario», presentes en los sistemas de información de la empresa, pueden por tanto ser procesadas con el uso de algoritmos de Process Mining y ser representadas en forma gráfica (como flujos de procesos) obteniendo una imagen clara y completa del mapa de los eventos ocurridos durante la interacción con la empresa, en todos los principales Customer Journeys, calculando también KPIs operativos simples (tiempos de paso, duraciones de eventos, repeticiones, …).

A partir de ellos, es posible construir KPIs operativos más complejos y establecer un flujo completo de procesos de seguimiento y control. De los KPIs operativos, finalmente, se infieren la correlación y la causalidad con los principales KPIs de interés para el negocio.

Cuanto más complejos sean los recorridos de los clientes, la variedad y el número de interacciones y los patrones de comportamiento de los clientes, mayor será el valor de aprovechar nuestra aplicación.

Un enfoque combinado de evaluación y análisis de datos

Todos los procesos de interacción cliente-empresa tienen puntos ciegos que los datos no pueden detectar: éste es el límite del método basado en datos. La innovación del enfoque combinado entre la investigación tradicional y la investigación basada en datos permite superar las limitaciones de ambos enfoques, permitiendo el seguimiento de un gran número de usuarios y permitiendo la verticalización de las encuestas sobre áreas circunscritas y limitadas. La investigación se orienta hacia las áreas que los datos sugieren investigar: las de mayor valor para la empresa o las que los datos no pueden describir.

La combinación de estos dos enfoques permite tomar lo mejor de ambos: tener pleno conocimiento de todos los Customer Journeys, eliminar la dimensión de arbitrariedad ligada a los métodos tradicionales y, por tanto, permitir a la empresa intervenir única y exclusivamente en los recorridos reales y bien cartografiados de los clientes.

Para más información, consulte esta visión sobre la monitorización de la experiencia redactada por nuestros colegas de Sketchin.

Minería de la experiencia: extraer la experiencia de los datos

El marco Bip para el mapeo de la Experiencia del Cliente parte de la recogida de «rastros» dejados por los usuarios en los sistemas durante la interacción con los diferentes touchpoints físicos o digitales: contactos directos -llamadas al contact center, visitas al site / app, chat-, servicios activados o desactivados, productos comprados, promociones activadas, comunicaciones activas de la empresa (ej. DEM, e-mail, …), contactos en el canal físico como visitas al mostrador o en la tienda, encuestas CX / sondeos (ej. NPS , C-SAT, CES, …), etc.

Estos eventos pueden rastrearse hasta el cliente individual mediante el cruce de los identificadores únicos que caracterizan las interacciones en los distintos sistemas de datos implicados. Estos datos suelen residir en sistemas de información diferentes, gestionados en silos por los distintos departamentos de la empresa, por lo que requieren acciones de preprocesamiento y limpieza para poder enlazarlos como información de eventos relativos a un mismo usuario.

Una vez fusionados los datos y llevados al cliente o prospecto, se inicia la fase de reconstrucción del flujo de actividades utilizando tecnologías de Process Mining que permiten una serie de funciones de análisis, entre las que destacan:

  • representar gráficamente el diagrama de flujo del proceso de interacción cliente-empresa, las llamadas «Historias de Usuario», destacando todas las posibles variaciones del viaje
  • definir y medir cuantitativamente los KPI de los procesos del cliente
  • analizar el rendimiento de los KPI de los procesos específicos y correlacionar estos KPI con las métricas estándar de la satisfacción del cliente medidas a lo largo del proceso
  • definir cuadros de mando de representación gráfica del proceso y de los KPI
  • filtrar el proceso por eventos y atributos de interés, permitiendo identificar comportamientos distorsionados
  • realizar análisis de causa raíz en eventos específicos de interés para identificar los factores desencadenantes y los eventos clave que tienen un alto impacto, tanto positivo como negativo, en los KPI de interés.

La complejidad de la fase de mapeo mediante Process Mining consiste en gestionar una gran multiplicidad de «caminos únicos» emprendidos por los usuarios en el proceso de interacción. Para resolver este problema, Bip ha creado un módulo propio de Machine Learning capaz de realizar un «clustering comportamental» sobre las cadenas de eventos que caracterizan la secuencia de interacciones entre los usuarios y la empresa. En definitiva, el algoritmo de Bip detecta grupos de usuarios que se comportan e interactúan con los touchpoints corporativos de forma similar (por ejemplo, que solicitan los mismos tipos de información, a través de canales similares, …).

Estos segmentos de la base de clientes son la base para construir Customer Personas: personajes ficticios y arquetípicos que encarnan el comportamiento, los hábitos, las necesidades y las expectativas de un segmento específico de usuarios reales. Esta categorización también se utiliza como componente de información adicional para definir KPI específicos para medir la Experiencia del Cliente, que pueden diferenciarse según el modelo de comportamiento. La evaluación tradicional de la Experiencia del Cliente parte de este punto: Las personas son la clave para entender las motivaciones y las causas que subyacen al comportamiento del usuario.

El último paso es la integración de la herramienta con los sistemas de información de la empresa, lo que permite dotar a la empresa de un sistema de seguimiento de la Experiencia del Cliente alimentado con datos constantemente actualizados para activar un proceso iterativo y continuo de medición, aplicación de medidas correctivas orientadas y guiadas por pruebas cuantitativas y, por último, seguimiento de la eficacia.

¿Por qué Bip?

El marco de la minería de la experiencia se ha utilizado con éxito en sectores muy diferentes, para el análisis de distintos procesos de los clientes. De hecho, el enfoque no se centra en industrias o procesos específicos, sino que puede utilizarse en cualquier área y etapa del Customer Journey de los clientes de una empresa.

A continuación, presentamos dos ejemplos de aplicación, para describir sus características de forma práctica.

¿Por qué los clientes presentan quejas sobre las facturas de los servicios de agua, electricidad y gas?

El activo Bip de Experience Mining fue utilizado por una gran empresa italiana de servicios públicos para investigar la experiencia del cliente en relación con el proceso de gestión de las solicitudes de información y las reclamaciones comerciales posteriores a la facturación en el ámbito de la distribución de agua y la venta de electricidad y gas.

El algoritmo de BIP de «behavioral clustering» permitió segmentar las Historias de los Usuarios, tras la convergencia con los insights de la investigación cualitativa, en 6 macro-clústeres correspondientes a otros tantos Clientes Personas, con características diferentes. Esto permitió simplificar automáticamente el estudio sobre toda la Base de Clientes monitorizada, permitiendo centrarse, en lugar de en 180.000 Historias de Usuarios, sólo en 6 grupos que representan los comportamientos más relevantes entre todos los usuarios implicados.

Las evidencias relativas a cada una de las Personas seleccionadas, operadas a través del cálculo de KPIs específicos, permitieron definir rápidamente acciones de mejora de la Experiencia de Cliente:

  • Tasa de repetición de solicitudes de información: los clientes más reclamantes son los que presentan una mayor tasa de reiteración de solicitudes de información sobre un mismo problema, lo que pone de manifiesto la necesidad de crear vías de apoyo ad hoc para este tipo de sujetos.
  • Canal principal para la gestión de las solicitudes de información y para la resolución de las solicitudes de aclaración sobre las facturas: se ha identificado el canal más eficaz para la gestión de los problemas para cada grupo de usuarios y se han desarrollado estrategias para dirigirlos a este canal.

Las victorias rápidas implementadas dieron como resultado una disminución de la tasa media de reclamaciones en las partes más problemáticas de la base de clientes.

¿Por qué los clientes abandonan la prestación de servicios de una empresa de telecomunicaciones?

En Brasil, Bip ayudó a una importante empresa de telecomunicaciones a construir una fábrica de minería de experiencias para mejorar sus capacidades de mapeo del recorrido del cliente y de análisis del comportamiento del cliente. Hasta entonces, los equipos de análisis de la empresa tenían que lidiar con numerosas y complejas fuentes de datos, lo que requería muchos esfuerzos manuales para combinar y consolidar, de modo que pudieran generar perspectivas de negocio relevantes. El procesamiento y la representación manual de los datos también dificultaban enormemente la comprensión de la trayectoria del cliente (es decir, el análisis de diferentes secuencias de eventos/interacciones en una línea de tiempo).

En este sentido, la implantación de la minería de experiencias se hizo con los siguientes objetivos:

  1. Facilitar la agregación de datos a través de múltiples sistemas de origen (CRM, canales digitales, facturación, plataformas de red, etc…)
  2. Proporcionar capacidades de análisis avanzadas para obtener información procesable basada en los recorridos de los clientes.

En cuanto a la metodología, Bip implementó una «XMining Factory» utilizando una cinta ágil para poder entregar estudios específicos / herramientas de análisis mensualmente. El propietario del producto, definido por el cliente, se encargó de recopilar los temas candentes y las necesidades de análisis internamente (encuestando a los consejos de administración, otras áreas de negocio, etc.), construyendo y priorizando el backlog de la fábrica.
Entre los diversos casos de uso abordados por el producto, cabe destacar:

  • Un módulo de análisis de la causa raíz del churn, que permite comprender mejor qué tipos de variables (incluido el propio recorrido del cliente o incluso eventos específicos del recorrido) pueden afectar a la tasa de churn. La herramienta agrega casi 20 fuentes de datos diferentes y 500 variables, proporcionando una interfaz fácil de usar para experimentar y observar las correlaciones entre las variables y la tasa de abandono. Utilizando este módulo, Bip ha conseguido identificar un conjunto de escenarios muy específicos de clientes que abandonan, basados en su persona, perfil de consumo y recorrido, facilitando la definición del plan de acción.
  • Un estudio de Promotores vs Detractores identificando qué tipos de viajes de clientes (o eventos específicos de estos viajes) estaban afectando positiva y negativamente a la puntuación global de NPS.

El activo Experience Mining ya está disponible en el Ecosistema Celonis EMS. Compruébelo en la tienda de Celonis EMS para saber más sobre cómo nuestros clientes están mejorando la experiencia de sus clientes con Bip Experience Mining.


Si está interesado en obtener más información sobre nuestra oferta o desea mantener una conversación con uno de nuestros expertos, envíe un correo electrónico a [email protected] con el asunto “Experience Mining” y nos pondremos en contacto con usted lo antes posible.

Leer más opiniones

red lines

Contactenos

Milan, Italy | BIP xTech Head Office

Torre Liberty Building
Galleria de Cristoforis 1, Milan, 20121

[email protected]

    This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.