La analítica de contact center convierte los datos que produce un contact center, desde las estadísticas de colas y las encuestas hasta las propias llamadas, chats y correos, en respuestas sobre qué está pasando y por qué. La mayoría de los equipos tiene cubierta la capa operativa. La que explica las cifras se construye sobre las conversaciones.
En pocas palabras
- La analítica de contact center tiene cinco capas (operativa, gestión de personal, opinión del cliente, conversación y calidad), y cada una responde a preguntas distintas.
- Un ejemplo práctico muestra cómo un problema presente en el 1,5% de las conversaciones pasa inadvertido en el CSAT y en una muestra de QA del 2%, y salta a la vista cuando se evalúan todas las conversaciones.
- La analítica basada en las notas de QA vincula cada tendencia con las conversaciones que hay detrás y con una causa que se puede corregir.
- Evalúe el software por cobertura, evidencia, análisis de causas y canales; la analítica de call center es el subconjunto que solo cubre llamadas.
- Empiece por una pregunta que sus informes actuales no puedan responder y construya después la capa que la responde.
Si busca el producto y no el método, nuestra página sobre analítica conversacional para equipos de atención al cliente muestra cómo Kaizo construye la analítica a partir de conversaciones evaluadas. Esta guía cubre la disciplina completa y enlaza nuestras definiciones más breves allí donde un término lo necesita.
¿Qué es la analítica de contact center?
La analítica de contact center mide y analiza todo lo que un contact center registra sobre sus contactos con clientes, en cinco capas: operativa, gestión de personal, opinión del cliente, conversación y calidad. Juntas explican el volumen, la rapidez, la satisfacción y sus motivos.
El término abarca más de una herramienta. Un contact center típico ya tiene analítica en su sistema telefónico, en su helpdesk, en su herramienta de gestión de personal y en su plataforma de encuestas, y cada una ve una parte distinta. La tabla siguiente resume qué mide cada capa y qué no puede ver.
| Capa | Qué mide | Fuente habitual | Qué no puede decirle |
|---|---|---|---|
| Operativa | Volumen, tiempo de espera, tiempo de gestión, abandono, nivel de servicio, resolución en el primer contacto | Sistema telefónico (ACD), informes del helpdesk | Por qué llamaron los clientes o si la respuesta fue correcta |
| Gestión de personal | Precisión de la previsión, adherencia, ocupación, shrinkage | Herramienta de gestión de personal (WFM) | Si el tiempo de los agentes se aprovechó bien |
| Opinión del cliente | CSAT, NPS, esfuerzo del cliente, comentarios de encuestas | Plataforma de encuestas | Nada sobre los clientes que no responden |
| Conversación | Temas, motivos de contacto, sentimiento, silencios, palabras clave | Speech analytics y analítica de texto sobre las transcripciones | Si el agente siguió su estándar, salvo que alguien lo defina |
| Calidad | Notas según su scorecard: exactitud, política, proceso, tono, resolución | Herramienta de QA | Las tendencias de volumen y de plantilla, que están en las dos primeras capas |
Las tres primeras capas están maduras en la mayoría de los contact centers. La cuarta y la quinta son donde está la explicación, porque leen lo que realmente se dijo. Para las definiciones más acotadas, consulte qué es la analítica conversacional (en inglés), nuestra página sobre la analítica de interacciones en voz, chat y correo electrónico y speech analytics para llamadas.
Qué preguntas puede responder cada capa
Cada capa responde bien a un tipo de pregunta: los datos operativos, «cuánto y con qué rapidez»; la opinión del cliente, «cómo lo vivió»; la conversación y la calidad, «qué pasó y por qué».
Use esta tabla como regla de derivación. Cuando alguien le haga una pregunta, búsquela a la izquierda y vaya a la capa que realmente puede responderla, en lugar de forzar un dashboard que no puede.
| La pregunta que le hacen | Capa que la responde | Por qué las demás se quedan cortas |
|---|---|---|
| ¿Tenemos suficientes personas el lunes por la mañana? | Gestión de personal, operativa | Los datos de conversación no prevén las llegadas |
| ¿Por qué bajó el CSAT dos puntos este mes? | Calidad y conversación, cruzadas con la opinión del cliente | La encuesta muestra la caída, no su causa |
| ¿Qué motivos de contacto están creciendo? | Conversación (motivos de contacto) | Las etiquetas de los tickets suelen faltar o ser incorrectas |
| ¿Los agentes informan de la política de reembolso correcta? | Calidad (criterio de política en cada conversación) | El tiempo de gestión y el CSAT parecen normales mientras las respuestas son incorrectas |
| ¿El nuevo agente de IA resuelve los problemas o solo los cierra? | Calidad en las conversaciones del agente de IA | La resolución automatizada cuenta que el cliente se fue, no que recibió ayuda |
| ¿Qué equipo necesita coaching y en qué? | Calidad por criterio y por equipo | Los promedios ocultan qué comportamiento falla |
| ¿Un error del producto está generando contactos? | Conversación y calidad, agrupadas por causa | El volumen muestra un pico, no de dónde viene |
La mayoría de las preguntas que los responsables llevan a una revisión mensual están en la mitad de esa tabla. Por eso la analítica de atención al cliente que reporta la mayoría de los equipos se queda corta: es fuerte en la primera columna de capas y débil en las que leen la conversación.
Por qué los recuentos de tickets y las muestras no ven la causa: un ejemplo práctico
Un problema que afecta a pocas conversaciones rara vez mueve el CSAT o aparece en una muestra de QA, pero se ve con claridad al evaluar todas las conversaciones y agruparlas por motivo de contacto.
Las cifras siguientes son un ejemplo ilustrativo calculado por nosotros, no datos de un cliente. Usan un contact center mediano y cifras redondas para que pueda rehacer las cuentas con las suyas.
El punto de partida. El contact center atiende 40.000 conversaciones al mes entre llamadas, chat y correo electrónico. Las solicitudes de reembolso son el 10%, es decir, 4.000. Por una macro desactualizada, los agentes indican el plazo de reembolso antiguo en el 15% de las conversaciones de reembolso: 600 conversaciones, o el 1,5% del volumen total.
Lo que muestra la encuesta. Supongamos que el 12% de los clientes responde a la encuesta de CSAT: 4.800 respuestas. Solo 72 proceden de las 600 conversaciones afectadas. Si los clientes afectados están satisfechos en un 50% y el resto en un 85%, el CSAT global pasa del 85,0% al 84,5%. Medio punto entra dentro del ruido normal de un mes a otro, así que nadie investiga.
Lo que muestra una muestra de QA del 2%. Los revisores evalúan 800 conversaciones al mes. De media, 12 de ellas son conversaciones afectadas. Repartidas entre diez revisores y cuatro semanas, eso supone aproximadamente una cada tres semanas por revisor, y cada una se interpreta fácilmente como un despiste de un agente concreto y no como un patrón.
Lo que muestra evaluar todas las conversaciones. Con cada conversación de reembolso evaluada según un criterio de «política correcta indicada», 600 suspenden en el mes. Agrupada por motivo de contacto, la cola de reembolsos muestra una tasa de fallo del 15% en ese único criterio, frente a casi cero en el resto. La causa se ve en la primera semana y apunta a la macro, no a los agentes.
| Vista | Qué ve | ¿Actuaría? |
|---|---|---|
| Dashboard operativo | Volumen y tiempo de gestión normales | No |
| CSAT | Del 85,0% al 84,5% | Probablemente no |
| Muestra de QA del 2% | Unos 12 fallos dispersos entre revisores | Coaching individual, como mucho |
| Todas las conversaciones evaluadas | 15% de fallos de política en un motivo de contacto | Sí: corregir la macro esta semana |
La misma lógica vale para cualquier error que se concentre en una sola cola o tema. Para la estadística de cuántas conversaciones necesita una muestra para detectar un problema poco frecuente, consulte nuestra guía de estadística del muestreo de QA (en inglés).
Analítica de contact center basada en las notas de QA
La analítica basada en las notas de QA evalúa cada conversación según su propia definición de una buena conversación y agrupa los resultados en tendencias, así que cada cifra se abre a sus conversaciones.
Es lo contrario de cómo suelen funcionar las suites de speech analytics. Esas herramientas indexan las llamadas grabadas y dependen de analistas que crean y mantienen las categorías con las que se buscan. Partir de la scorecard significa que el análisis mide lo que usted ya trabaja en el coaching: exactitud, política, proceso, tono y resolución.
Así funciona Kaizo. Según la página de análisis de causa raíz de Kaizo, evalúa cada llamada, chat y correo electrónico según sus criterios y después muestra si una caída se debe a un proceso roto, a una fricción del producto o a una carencia de habilidades, con las conversaciones que hay detrás de cada una.
La página de análisis de sentimiento indica que el sentimiento del cliente y la empatía del agente se evalúan en cada mensaje. Puede hacer preguntas en lenguaje natural, y las exportaciones automatizadas a BI están disponibles en los planes Intelligence y Enterprise.
Conviene dejar claros dos límites. Kaizo trabaja sobre una conversación una vez terminada, así que no supervisa las llamadas en directo ni da indicaciones a los agentes durante una llamada; eso es la asistencia al agente en tiempo real (en inglés), otra categoría de herramienta. Y no es una herramienta de gestión de personal: la previsión y la planificación de turnos siguen en esa capa.
Qué buscar en un software de analítica de contact center
Evalúe el software de analítica de contact center por cobertura, evidencia detrás de cada cifra, análisis de causas, trato igual de los canales y cómo llegan los hallazgos a quienes los corrigen.
Use esta lista de comprobación en una demo. Pida al proveedor que muestre cada punto en pantalla, no que lo describa.
| Criterio | Cómo es lo bueno | Pregunta que hacer |
|---|---|---|
| Cobertura | Se analizan todas las conversaciones, no una muestra | ¿Qué porcentaje de las conversaciones del mes pasado evaluó? |
| Evidencia | Cada nota o tendencia se abre a las líneas de la transcripción que la sustentan | Enséñeme las conversaciones que hay detrás de esta cifra |
| Sus criterios | Evaluación según su propia scorecard, con sus palabras | ¿Puedo cambiar un criterio y ver cómo se aplica a las conversaciones nuevas? |
| Análisis de causas | Se separan los problemas de proceso, de producto y de habilidades | ¿Cómo distinguen un proceso roto de una necesidad de coaching? |
| Canales | Llamadas, chat y correo electrónico con los mismos criterios | ¿Es comparable una nota en chat con una nota en voz? |
| Agentes de IA | Las conversaciones del bot se evalúan con el mismo estándar | ¿Evalúa las conversaciones que atendió nuestro agente de IA? |
| Salida de datos | Exportación a su data warehouse o herramienta de BI | ¿Cómo llegan los datos a nuestro equipo de BI? |
| Encaje con su stack | Conexión nativa con su helpdesk o CRM | ¿Qué implica la puesta en marcha con nuestro helpdesk? |
Para un plan de evaluación más completo y los modelos de precios que encontrará, nuestra guía de compra de software de inteligencia conversacional profundiza más. Si también compara herramientas de QA, el centro de comparativas expone en qué se diferencia Kaizo de otro software de contact center.
¿Es distinta la analítica de call center de la analítica de contact center?
La analítica de call center suele referirse solo a las llamadas telefónicas, mientras que la analítica de contact center cubre todos los canales que atiende el equipo: llamadas, chat, correo electrónico y mensajería. Los métodos son los mismos; el alcance es mayor.
La diferencia importa por un motivo. Muchos equipos atienden hoy más conversaciones escritas que llamadas, y una herramienta pensada en torno a las grabaciones de llamadas puede tratar el chat y el correo electrónico como algo secundario.
Si su volumen es mixto, compruebe que la analítica y los criterios de calidad se aplican igual en todos los canales, para que un fallo de política en el chat cuente lo mismo que uno en una llamada. La página de QA para contact center de Kaizo lo describe como una sola scorecard para llamadas, chats y correos electrónicos, con criterios específicos por canal solo donde el medio realmente es distinto.
Cómo empezar con la analítica de contact center
Empiece por una pregunta que sus informes actuales no puedan responder, elija la capa que la responde y demuestre el valor con esa pregunta antes de construir dashboards para todo lo demás.
Paso 1: Anote la pregunta sin respuesta
Haga una lista de las preguntas de sus tres últimas revisiones de dirección que nadie pudo responder con datos. «¿Por qué bajó el CSAT?» y «¿El agente de IA resuelve realmente los problemas?» son las habituales. Elija la que tenga más dinero en juego.
Paso 2: Compruebe qué capa tiene la respuesta
Use la tabla de derivación de arriba. Si la respuesta está en la capa de conversación o de calidad, ningún trabajo sobre el dashboard operativo la va a producir.
Paso 3: Defina los criterios antes que la herramienta
Escriba los tres a cinco criterios que responderían a la pregunta, como «política correcta indicada» o «problema resuelto sin un nuevo contacto». Si no puede escribirlos, ningún software puede medirlos. Nuestra guía de indicadores de calidad del call center que predicen el CSAT le ayuda a elegirlos.
Paso 4: Cubra todas las conversaciones del alcance
Evalúe todas las conversaciones de las colas a las que se refiere la pregunta, no una muestra, para que un patrón pueda aparecer en días y no en meses.
Paso 5: Agrupe, siga la tendencia y derive
Agrupe los resultados por motivo de contacto, equipo y causa, y envíe cada hallazgo a su responsable: los problemas de proceso y de producto al equipo que los gestiona, las carencias de habilidades al coaching. Nuestra guía de análisis de causa raíz en atención al cliente muestra cómo hacer esa revisión.
Véalo en una demo en vivo. Kaizo construye la analítica de contact center sobre conversaciones evaluadas en llamadas, chat y correo electrónico, y cada cifra se abre a las conversaciones que hay detrás. Hablemos.
Preguntas frecuentes
¿Qué es la analítica de llamadas?
La analítica de llamadas es el análisis de las llamadas telefónicas, normalmente a partir de las grabaciones y sus transcripciones, para medir temas, sentimiento, silencios, frases de cumplimiento normativo y resultados. Es una parte de la analítica de contact center. Los equipos que también atienden chat y correo electrónico necesitan el mismo análisis en esos canales, idealmente con los mismos criterios.
¿Cuáles son los cuatro tipos de analítica en un contact center?
Los cuatro tipos son la descriptiva (qué pasó, como el volumen y el CSAT), la diagnóstica (por qué pasó, como la causa de una caída de calidad), la predictiva (qué es probable que pase, como el volumen previsto) y la prescriptiva (qué hacer, como una acción de coaching). La mayoría de los contact centers es fuerte en la analítica descriptiva y más débil en la diagnóstica.
¿Qué es un KPI en un call center?
Un KPI en un call center es una cifra que se sigue a lo largo del tiempo para juzgar si la operación cumple sus objetivos, como el nivel de servicio, el tiempo medio de gestión, la resolución en el primer contacto, el CSAT o la nota de QA. La analítica de contact center explica por qué se movió un KPI; el KPI por sí solo solo le dice que se movió.
¿Necesita un analista de datos para la analítica de contact center?
No para las preguntas del día a día, si la herramienta le permite filtrar y preguntar en lenguaje natural y cada cifra se abre a las conversaciones que hay detrás. Un analista sigue siendo útil cuando cruza los datos del contact center con datos de ingresos, de bajas de clientes o de producto en su propio data warehouse.
¿Puede funcionar la analítica de contact center en tiempo real?
Algunas capas sí. Las estadísticas de colas y las herramientas de asistencia al agente en tiempo real funcionan durante la llamada. El análisis de calidad y de causas suele funcionar una vez terminada la conversación, porque necesita la conversación completa para juzgarla. Muchos contact centers usan ambas cosas: herramientas en directo para el momento y analítica posterior para los patrones.
Lecturas relacionadas
- What is conversation analytics? (en inglés), la definición breve
- Análisis de los motivos de contacto, sobre cómo descubrir por qué le contactan realmente los clientes
- How to score 100% of your conversations (en inglés), sobre cómo ir más allá de la muestra
- Analítica conversacional en Kaizo, analítica basada en las notas de QA
