Saltar al contenido

Guía

¿Qué es la analítica de texto? Cómo funciona, con ejemplos

¿Qué es la analítica de texto? Cómo convierte tickets, chats y correos en temas, sentimiento e intención, con ejemplos de atención al cliente y QA.

· Actualizado · 6 min de lectura

Revisado por Dominik Blattner, fundador de Kaizo

¿Qué es la analítica de texto? Es el análisis automático de texto escrito, como tickets, chats y correos electrónicos, para extraer temas, sentimiento e intención a gran escala. Permite a un equipo de atención al cliente entender cada conversación escrita en lugar de una pequeña muestra, y es la mitad escrita de la analítica de conversaciones.

En resumen

  • La analítica de texto convierte el lenguaje no estructurado en datos que se pueden medir y buscar.
  • Funciona en cuatro pasos: recopilar, limpiar, clasificar e informar.
  • En el QA de atención al cliente, saca a la luz momentos de calidad y de coaching.
  • En CX, muestra qué piden los clientes y cómo se sienten.
  • Las mejores herramientas vinculan cada nota con la redacción exacta que la explica.

Cómo funciona la analítica de texto

La analítica de texto funciona recopilando las conversaciones escritas, limpiando el texto, clasificándolo con procesamiento del lenguaje natural y presentando los resultados como campos que un equipo puede filtrar y seguir en el tiempo.

Paso 1: recopilar el texto

El texto procede de donde ya viven las conversaciones: el helpdesk, la herramienta de chat, la bandeja de correo, los comentarios de encuestas o los sitios de reseñas. Como se ejecuta automáticamente en esos sistemas, la analítica de texto puede procesar de forma continua todo el volumen de tickets y chats, en lugar del pequeño porcentaje que un equipo podría leer a mano.

Paso 2: limpiar y estructurar

Las conversaciones en bruto contienen firmas, respuestas citadas, respuestas automáticas y erratas. El texto se divide en mensajes, se marca el autor de cada mensaje (cliente o agente) y se elimina el ruido, para que el análisis lea lo que realmente se dijo.

Paso 3: clasificar con procesamiento del lenguaje natural

Después, los modelos de lenguaje clasifican cada mensaje o conversación: lo agrupan por temas, evalúan el sentimiento como positivo, neutro o negativo y detectan la intención del cliente, por ejemplo una solicitud de reembolso, el aviso de un error o una cancelación. Los sistemas antiguos se basaban en reglas de palabras clave; los modelos actuales leen el contexto, así que es menos probable que se pase por alto el mensaje educado de un cliente descontento.

Paso 4: informar y actuar

El resultado son datos estructurados: recuentos por tema, tendencias de sentimiento y proporciones de intención que un equipo puede filtrar y analizar en detalle. El paso útil es el último, en el que cada patrón se abre a las conversaciones que hay detrás y llega a alguien que puede corregirlo.

Qué extrae la analítica de texto

La analítica de texto convierte la escritura libre en cinco tipos de señal: temas, sentimiento, intención, calidad y tendencias, y un equipo puede filtrar cada una y actuar sobre ella.

SeñalQué captaEjemplo en atención al cliente
TemasLos asuntos por los que escriben los clientes, agrupados automáticamente“Facturación”, “inicio de sesión”, “retraso en la entrega”
SentimientoSi el tono del cliente es positivo, neutro o negativoFrustración creciente en los tickets de entregas
IntenciónLo que quiere el cliente: un reembolso, una solución, una cancelación y másMás solicitudes de cancelación tras una subida de precio
CalidadEn qué medida la respuesta escrita de un agente cumple sus criteriosFalta el paso de verificación en los cambios de cuenta
TendenciasCómo cambian los temas y el sentimiento con el tiempoUn tema nuevo que aparece tras una nueva versión

La analítica de texto en la atención al cliente

En la atención al cliente, la analítica de texto lee cada ticket, chat y correo electrónico para mostrar por qué escriben los clientes, cómo se sienten y lo bien que respondieron los agentes, de modo que los equipos de QA y CX trabajan con todo el volumen.

En el control de calidad de la atención al cliente, la analítica de texto es lo que permite evaluar conversaciones escritas a escala, evaluando tickets y chats con una scorecard y destacando los momentos que merecen coaching. En la experiencia del cliente, revela la voz del cliente en conjunto: los motivos recurrentes por los que la gente escribe, dónde empeora el sentimiento y qué problemas están creciendo.

Así se ve en la práctica para tres preguntas habituales de un responsable de atención al cliente:

PreguntaQué muestra la analítica de textoSiguiente paso
¿Por qué subió el volumen de tickets la semana pasada?Un tema, “restablecer contraseña”, se duplicó tras una nueva versiónEnviar ejemplos a producto y publicar un artículo de ayuda
¿Qué clientes están a punto de irse?Intención de cancelar y sentimiento negativo en las mismas cuentasDerivar esas conversaciones a un agente sénior
¿Dónde necesitan coaching los agentes?Notas de calidad bajas en un criterio en los chats de facturaciónDar coaching sobre ese criterio con ejemplos reales

Kaizo aplica esto a las conversaciones de atención al cliente: evalúa cada llamada, chat y correo electrónico con sus propios criterios, sigue el sentimiento y la empatía en el 100 % de los mensajes y muestra si una caída se debe a un proceso que falla, a una fricción del producto o a una carencia de habilidades. Para pasar de los hallazgos a las soluciones, consulte nuestra guía de insights de atención al cliente.

Analítica de texto frente a minería de texto, análisis de sentimiento y speech analytics

La analítica de texto es el término general para analizar el lenguaje escrito; el análisis de sentimiento es uno de sus resultados, la minería de texto es casi un sinónimo y speech analytics hace el mismo trabajo con las llamadas.

TérminoQué haceCómo se relaciona con la analítica de texto
Minería de texto (text mining)Encuentra patrones en grandes volúmenes de textoSe usa a menudo como sinónimo; hay quien lo reserva para el paso de detección de patrones
Análisis de sentimientoEvalúa el tono de un mensajeUno de los resultados de la analítica de texto
Speech analyticsAnaliza las llamadas grabadas, normalmente tras transcribirlasSu equivalente para la voz
Inteligencia conversacionalLee voz y texto en paralelo y añade flujos de trabajoSe apoya en la analítica de texto y en speech analytics

Términos relacionados

Empiece con una pregunta que sus tickets deberían responder

Elija una pregunta de la tabla anterior, por ejemplo por qué subió el volumen la semana pasada, y compruebe si sus informes actuales pueden responderla a partir del propio texto. Si no pueden, le mostraremos en una demo en vivo, con datos de ejemplo, cómo Kaizo lee cada conversación escrita y vincula cada cifra con los mensajes que hay detrás.

Hablemos Descubrir Kaizo Insights

Preguntas frecuentes

¿La analítica de texto es lo mismo que el análisis de sentimiento?

No. El análisis de sentimiento es una parte de la analítica de texto: evalúa el tono de un mensaje como positivo, neutro o negativo. La analítica de texto es más amplia: también extrae temas, intención y señales de calidad de las conversaciones escritas, e informa de cómo cambian con el tiempo. La mayoría de las herramientas de analítica de texto incluyen el sentimiento como uno de varios resultados.

¿En qué se diferencia la analítica de texto de speech analytics?

La analítica de texto lee texto escrito, como tickets, chats y correos electrónicos. Speech analytics trabaja con la voz y transcribe las llamadas antes de analizarlas. Una vez transcrita la llamada, se aplican las mismas técnicas a ambas. La inteligencia conversacional las combina, para que un equipo vea un mismo problema del cliente en todos los canales en los que se planteó.

¿Qué aporta la analítica de texto a los equipos de atención al cliente?

Permite a un equipo medir todas las conversaciones escritas en lugar de una muestra manual. Saca a la luz las notas de calidad para el QA, los temas y las intenciones que plantean los clientes y la evolución del sentimiento en toda la cola. Así, una intuición como “los tickets de facturación parecen más enfadados” se convierte en una cifra que puede seguir y sobre la que puede actuar.

¿La analítica de texto funciona en varios idiomas?

La analítica de texto moderna, basada en grandes modelos de lenguaje, puede clasificar temas, sentimiento e intención en muchos idiomas, de modo que un equipo de atención global puede leer todo su volumen escrito de la misma forma en cada uno. Al principio, compruebe los resultados de cada idioma con un hablante nativo, porque la precisión varía según el idioma y la cantidad de datos.

¿Qué señales extrae la analítica de texto de una conversación escrita?

Cinco principales: los temas por los que escriben los clientes, el sentimiento de su tono, la intención detrás del mensaje (un reembolso, una solución, una cancelación), la calidad de la respuesta del agente frente a sus criterios y la evolución de todo ello en el tiempo.

En esta página

Lecturas relacionadas

Véalo en una demo en directo

Le guiaremos por Kaizo con conversaciones de muestra realistas, para que vea el ejemplo evaluado, explicado y convertido en coaching.

La confianza de equipos de atención al cliente de todo el mundo

  • Foot Locker
  • Canva
  • GetYourGuide
  • Instacart
  • BlaBlaCar
  • UiPath