Diseñar experiencias extraordinarias para los clientes es cada vez más fácil con la irrupción de la analítica predictiva. Compañías de todo tipo han invertido fuertemente en herramientas y tecnologías que les ayuden a comprender profundamente a sus clientes, convirtiéndose el CX – customer experience – en una de las pocas oportunidades que tienen las empresas para diferenciarse de su competencia.
Sin embargo, los expertos en experiencia de cliente, para tener una imagen más completa del cliente, sus preferencias y comportamientos, continúan confiando en la ya antigua medición de la satisfacción del cliente, basada en las encuestas, que han sido después de muchos años la columna vertebral de los esfuerzos en CX.
Las empresas utilizan estos sistemas para realizar un seguimiento de la salud de la experiencia de cliente, así como de la retroalimentación de los sistemas de medición del CX, por los comentarios vía encuesta justo después de una transacción, como por ejemplo una compra o una devolución, incluso basándose en estos datos, diseñan movimientos estratégicos claves para el futuro de la organización.
Equipos de trabajo completo, con la mejor formación en experiencia de cliente, se dedican a gestionar estas encuestas y cuestionarios, rompiéndose la cabeza para aumentar las tasas de respuesta, unas de las barreras más importantes en estos sistemas de medición, y el resultado de estas métricas son la forma muchas veces de dar o no un bono o cualquier otro tipo de compensación a los ejecutivos y empleados responsables de cliente.
El problema es que los ejecutivos cada vez más reconocen que los sistemas de medición basadas en encuestas fallan a la hora de conocer las necesidades de CX de las empresas, aunque las encuestas son una importante herramienta para realizar investigaciones y análisis de datos.
De hecho, este artículo está basado en un estudio llevado a cabo fundamentalmente por McKinsey a más de 260 líderes CX de EE.UU. pertenecientes a compañías de todos los tamaños y sectores.
El 93% de los encuestados declaran que siguen utilizando las encuestas y los indicadores resultantes como su principal medio para conocer el rendimiento del CX, pero solo el 15% de lideres dijeron que estaban completamente satisfechos, en cómo sus empresas estaban midiendo el CX, y solo el 6% ha expresado confianza en que sus sistemas de medición les permiten ambas cosas, tomar decisiones estratégicas y tácticas adecuadamente.
Estos líderes se quejan de las bajas tasas de respuesta, falta de inmediatez a la hora de recibir estos datos, ambigüedad en los indicadores de rendimiento y la falta de un vínculo claro con los valores económicos y financieros.
Sólo unas pocas de las principales empresas son pioneras a la hora de tener un mejor acercamiento, donde se aprovecha al máximo el poder de los datos ahora disponibles
Hoy en día, las empresas pueden regularmente, sin quebrantar la ley, recopilar datos del smartphone de cualquiera de nosotros o nuestro comportamiento frente a un anuncio o sitio web. Datos que proceden también de los sistemas financieros y de operaciones, creando una visión holística y profunda de las diferentes perspectivas de los clientes.
Aquellos que se están anticipando, aprovechando los datos y la capacidad de análisis, convierten estos datos en conocimiento y alcanzan la capacidad de predecir el futuro, adelantándose a los comportamientos y necesidades de los clientes, posicionándose más cerca de ellos. Estas empresas recogen esta información predictiva para conectar mejor con sus clientes y así generan oportunidades través de la experiencia de cliente y todo ello en casi tiempo real (near-real-time).
Estas organizaciones son capaces de comprender mejor sus interacciones con clientes e incluso adelantarse a los problemas a lo largo del customer journey
Son los clientes los que le están generando beneficios: pensar en una rápida compensación en el caso de un vuelo con retraso, o cuando una compañía de seguros resuelve un problema a un paciente. Estos beneficios se extienden mucho más lejos del pensamiento típico de clientes, pasando a la segmentación más como miembros, clientes, pacientes, invitados, intermediarios… segment of one.
Los que se están transformando digitalmente antes que el resto, están asumiendo una nueva manera de evaluar y dar forma a la experiencia de cliente
En este artículo, exploramos como los datos y el análisis de estos están comenzando a transformar el arte y la ciencia de la experiencia de cliente. Presentamos nuevas investigaciones que traen claridad y una base científica y sobre todo hechos, como las deficiencias en los sistemas de medición basados en encuestas.
Examinamos cómo algunos responsables de la experiencia de cliente han implementado sistemas CX basados en datos, consiguiendo al mismo tiempo, impulsar los ingresos y reducir los costes más operativos. Finalizamos este artículo mostrando por donde hay que empezar, incluyendo cuatro pasos claves para que los líderes de CX, transformen sus organizaciones, orientándolas a la toma de decisiones basadas en los datos.
Los beneficios no son automáticos, ni se ven en el corto plazo
Es verdad que muchos lideres en CX se tienen que enfrentar con la resistencia al cambio de las personas. Pero con compromiso, esfuerzo y una visión clara, incluso compañías con sistemas CX rudimentarios, datos limitados y escasez de científicos de datos, pueden arrancar transformando sus programas CX y las experiencias de sus clientes.
Los programas CX del futuro serán holísticos, predictivos, precisos y claramente alineados con los resultados de negocio. La evidencia sugiere que la ventaja será sustancial para las compañías que comiencen construyendo la capacidades, talento y estructura organizacional necesaria para esta transición.
“Aquellos que continúen con sistemas tradicionales serán forzados a ponerse al día o a morir, como ya le están pasando a tantas y tantas organizaciones.”
Ricardo Pazos, Head of Marketing Transformation
Las encuestas dicen: la medición de CX a través de encuestas tiene muchas carencias
Mientras las encuestas es un sistema válido para conocer información importante de los clientes, fallan como herramienta para medir el rendimiento de CX e identificar y actuar en consecuencia.
Para organizaciones que quieran liderar desde una posición centrada en el cliente – customer centric –, cada vez más necesitarán una visión holística, una visión completa del customer journey, así como la capacidad de obtener un conocimiento de lo que sucede en el la actividad encuadrada como customer experience, profundo y exhaustivo.
Se necesitan señales inmediatas e individualizas desde el punto de vista del cliente para a tomar decisiones y actuar “en el momento” y así crear experiencias relevantes, y además se necesita demostrar que la experiencia cliente mejora la inversión realizada y por tanto el retorno de la inversión.
Los sistemas basados en encuestas tienen cuatro importantes defectos que convierten ciertas tareas críticas en casi imposibles.
“Por qué usar una encuesta de clientes sobre sus experiencias cuando los datos pueden ser usados para predecir su satisfacción”
Ricardo Pazos, Head of Marketing Transformation
Predecir cual va a ser el comportamiento del cliente es el futuro
Desde que el sistema basado en encuestas se ha convertido en omnipresente, el mundo de generación de insights se ha transformado a través de los impresionantes avances en la capacidad de generar, agregar y analizar datos. Las compañías ahora tienen acceso a una amplia gama de set de datos: datos internos acerca de interacciones con cliente (tanto digitales como analógicos), transacciones y perfiles; disposición de conjuntos de datos de terceros para conocer las actitudes de cliente, comportamientos de compra y preferencias, así como comportamientos digitales, incluida la actividad en las redes sociales; y nuevos conjuntos de datos sobre la salud del cliente, sentimientos y ubicación (en tiendas, por ejemplo) generado por el internet de las cosas (IoT).
Otras disciplinas, incluido el marketing y la gestión de los ingresos, se han transformado mediante la agregación y análisis de estos vastos conjuntos de datos. El contraste es fácilmente entendible: ¿por qué usar una encuesta a los clientes sobre sus experiencias cuando los datos sobre las interacciones de clientes pueden predecir ambas cosas, su satisfacción y la probabilidad de que un cliente nos vuelva a comprar, o se queje o nos transmita un determinado deseo o sentimiento?
Algunos líderes de CX han comenzado a zambullirse en esta marea de datos, obteniendo una valiosísima foto de las diferentes perspectivas de cliente, para obtener un sistema de alarmas y una guía rápida para llevar a cabo una acción y así mejorar la experiencia de cliente. Aún siendo cierto que los detalles más específicos pueden variar a través de empresas e industrias, este enfoque se centra en una experiencia de cliente predictiva que consiste en tres elementos clave:
1. Customer-level data lake: En primer lugar, la empresa reúne datos de los clientes, tanto financieros como operativos, de manera agregada e individual incluyéndolos en cada perfil. La empresa procesa estos datos y los almacena en una plataforma basada en la nube (cloud-based platform). Conectados dinámicamente estos conjuntos de datos a nivel de cliente permiten a la organización mapear y hacer un seguimiento del comportamiento del cliente a través de sus interacciones, transacciones y operaciones.
Mientras que las encuestas reflejan los puntos de vista de un subconjunto de clientes en el pasado, estos nuevos conjuntos de datos abarcan la base completa de clientes alcanzando cada uno de los puntos o touch point en el camino de compra o customer journey, por lo tanto, arroja luz sobre las causas fundamentales del rendimiento del CX. El data lake sirve como base para el entendimiento riguroso de la experiencia de cliente. La plataforma debe ser fiable a lo largo de la organización, con un claro y consistente mapeado, a través de todas las fuentes de datos.
2. Indicadores predictivos de cliente: las empresas diseñan formas de análisis, a menudo usando varios tipos de algoritmos de aprendizaje automático (machine learning), para entender y rastrear qué está influenciando para que un cliente este satisfecho, el rendimiento comercial, las ventas y para detectar eventos específicos y relevantes durante el customer journey.
Los algoritmos generaran indicadores predictivos para cada cliente en un journey específico. Estos indicadores permiten a la empresa predecir la satisfacción de un cliente en particular y valorar los resultados como los ingresos, la fidelidad y los costes de explotación. Mas ampliamente, estos indicadores permiten a los líderes de CX evaluar el ROI para inversiones particulares en CX y conectar directamente con los resultados de negocio.
3. Sistema para la acción a través de insights: se comparte información, ideas y sugerencias con un amplio conjunto de empleados (incluyendo agentes que están en la primera linea) y herramientas (como CRM‘s) a través de una capa de interfaz de programación para aplicaciones (API). Por ejemplo, los agentes pueden recibir alertas y notificaciones sobre el comportamiento que ellos deberían tener con el objetivo de personalizar la experiencia de cliente y así mejorar los resultados de CX.
La capa API sirve como fuente única de lo que está pasando, alimentando el motor de generación de recomendaciones, alimentando ambas cosas, el data-lake y los indicadores relacionados con los clientes. Es importante señalar que la plataforma predictiva, a diferencia de los sistemas basados en encuestas, entrega insights muy oportunos con acciones relacionadas que en muchas ocasiones deben llevarse a cabo rápidamente, tanto por empleados y a través de interfaces por las diferentes soluciones de gestión.
Plataformas de CX predictivas permiten a las compañías medir mejor y gestionar su rendimiento CX
Estas plataformas además informan y mejoran la toma de decisiones estratégicas. Estos sistemas hacen posible a los líderes de CX crear un precisa y cuantificada vista de los diferentes factores que están sosteniendo la experiencia de cliente y desempeño comercial, convirtiéndose en una herramienta esencial para vincular CX a la generación de valor y al diseño de verdaderos casos de negocio (business case). Además, crean una vista holística de la satisfacción y valor potencial de cada cliente en el que se puede actuar en tiempo casi real.
Organizaciones que han construido estos sistemas están creando un valor sustancial a través de una amplia gama de aplicaciones y de la gestión del desempeño, planificación estratégica y atención al cliente con el compromiso real de actuar en tiempo real.
Una de las principales empresas de tarjetas de crédito quería adoptar una estrategia basada en la omnicanalidad e impulsó su presencia en los diferentes canales digitales. Todo ello enfocado en la construcción de un CX basado en datos y su análisis para sistemáticamente identificar, mejorar y rastrear los factores que influían significativamente en la satisfacción del cliente y en el rendimiento comercial, es decir, en las ventas en 13 de sus principales customer journeys o caminos hacia la compra. Comenzó por recuperar los datos de interacción, transaccionales y perfil del cliente con una plataforma de análisis, identificando las palancas de satisfacción por cada uno de los journeys, así como áreas dónde había posibilidades de mejora. La plataforma incluye datos sobre la repetición de ciertas interacciones, plazos de entrega y con qué frecuencia los clientes saltaban de un canal a otro. Además, abarcaba más factores, como si la empresa arrojo resultados negativos y qué comunicaciones tuvieron lugar en los diferentes momentos.
Este acercamiento a través del análisis dio a la empresa una cuantificada y sistemática vista sobre los problemas, oportunidades y canales donde se daban las distintas interacciones por parte de millones de clientes, permitiendo a la organización apoyar una sistemática mejora de los diferentes customer journeys. El equipo usó la plataforma analítica para enfocar adecuadamente sus inversiones y las diferentes actuaciones en aquellos momentos que fueron relevantes y diferenciadores desde el punto de vista del cliente, dando como resultado esta transformación digital la reducción de las interacciones y de los costes operativos en un 25%.
Priorizar los esfuerzos de CX mediante la planificación estratégica es otro caso de uso que permiten a los líderes de CX comprender que factores operativos, de clientes y financieros están creando sistemáticamente problemas o por el contrario oportunidades a lo largo del tiempo
Una compañía de atención médica en EE.UU., por ejemplo, diseño un «Journey-lake” para determinar cómo mejorar su atención al cliente. Este journey sincroniza cuatro mil millones de registros a través de nueve sistemas, que abarcan marketing, operaciones, ventas, digital e IoT (internet de las cosas). La vista holística del cliente permitió a la organización identificar los diferentes errores operativos: dónde los pacientes con frecuencia pedían hablar con un supervisor o saltar a otro canal para resolver un problema, y de manera proactiva llegar a los pacientes mediante el sitio web, correos electrónicos y llamadas para resolver el problema. Además, se usó los datos para llevar a cabo una estrategia digital más inteligente, escogiendo a los clientes con un mínimo compromiso con los distintos canales digitales, animándoles a utilizar funciones de autoservicio. La organización incremento la adopción digital enfocándose en los puntos de dolor (pains) más importantes, como las renovaciones; eso redujo los costes por la disminución, en más de una cuarta parte, de la frecuencia con la cual los clientes saltaban a otros canales después de haber comenzado con canales digitales.
Finalmente, gracias al concepto near-real-time de insights más analíticos, estos nuevos sistemas crean una plataforma que genera más cercanía con el cliente, más comprometida con sus necesidades, con sus incertidumbres de forma constante y más proactiva
Una de las principales aerolíneas construyó un sistema de aprendizaje automático – machine learning – con 1.500 variables pertenecientes a clientes, operaciones y al departamento financiero, para medir ambas cosas, satisfacción y predicción de ingresos para más de 100 millones clientes cada día. Los sistemas permitieron a la aerolínea identificar y priorizar aquellos clientes cuya satisfacción estaba más en riesgo debido a un retraso o cancelación de un vuelo, personalizando una oferta o compensación económica, reduciendo el abandono, eso sí en las rutas más prioritarias, más rentables. Con un equipo de alrededor 15 científicos de datos, expertos en CX y otros colaboradores y socios externos, diseñó conjuntamente durante más de seis meses un sistema, que dio como resultado un 800% de aumento en la satisfacción de cliente y un 60% de reducción del abandono de clientes prioritarios.
Cómo a convertir datos en insights y estos en acciones concretas
La transición a una visión predictiva no tiene lugar de un día para otro
Como se han demostrado en diferentes investigaciones la mayoría de organizaciones todavía confían en las encuestas para medir la satisfacción de los clientes. Los líderes CX ahora tienen la oportunidad de llevar sus programas CX a un segundo nivel. Basado en las investigaciones, como la que hemos mencionado anteriormente realizada por Mackensey, las organizaciones que han tenido éxito en esta transición hacia el análisis predictivo, se les han sido identificadas cuatro pasos clave en su transformación del CX:
1. Trabajar en el cambio de mentalidades (mindset)
Esta transición inevitablemente involucra desafíos, al menos el cambio de mentalidad para ambos, equipos y ejecutivos de CX. Líderes de CX pueden sentir que los sistemas predictivos están fuera de su ámbito, así como la tecnología o la ciencia de los datos.
Alguno puede apuntar a que su organización ya ha hecho análisis de hechos pasados a través de unos pocos indicadores clave de rendimiento (KPI). Es el momento de pensar más grande y sobre todo más valiente e innovador y construir un sistema basado en la data.
El papel del líder CX está evolucionando, lo que significa que los ejecutivos necesitan reposicionarse ellos mismos dentro de sus organizaciones. Cuando fue preguntado sobre el desafío más grande con el actual sistema, un CCXO (chief customer experience officer) respondió: “la gente asocia CX con marketing, no tecnología.” Esto está cambiando, en la medida que más y más empresas adoptan el análisis predictivo, dependiendo de los líderes de CX ayudar en el cambio de esta percepción.
2. Romper los silos y construir equipos multifuncionales
La experiencia de cliente con frecuencia cae en la trampa de crear sus propios silos dentro de una empresa. Para empezar la transición, líderes de CX necesitan mejorar la integración con el resto de la organización.
Los datos que se necesitan son propiedad de operaciones, marketing, finanzas y tecnología, por lo que entenderse con el resto de ejecutivos, propietarios de esta información es vital para asegurar el acceso y la gestión eficiente de los datos. Los científicos de datos (data scientist), no los profesionales de CX, serán los que diseñarán los algoritmos necesarios.
El equipo de CX debe definir la dirección y la estrategia, pero asegurando que el resto de stakeholders involucrados apoyan el proyecto
Una empresa perteneciente al sector de los viajes, por ejemplo, comenzó su solución basada en datos con un enfoque donde ofrecía mejoras en tiempo real a su servicio de atención al cliente porque el equipo CX tenía una fuerte colaboración con este departamento y podría demostrar la generación de valor rápidamente (quick wins). El esfuerzo inicial necesitaba una fuerte colaboración: CX actuó como el propietario del proyecto, el equipo de ciencia de datos desarrolló el producto, y el servicio al cliente fue el primero en testar el producto mínimo viable (PMV). Fuera del equipo principal, una junta asesora que incluía el director de operaciones (COO), el director financiero (CFO) y el director de marketing (CMO) permaneció informado del progreso y de los futuros casos de uso, para que cuando el piloto inicial estaba listo, el COO ya en la junta asesora, pusiera en marcha un caso de uso adicional en su organización. Incluso en el caso de iniciativas a menor escala (por ejemplo, donde la organización contrata consultores en vez de montar un departamento de ciencia de datos a través de un equipo interno) se necesita fuertes y estrechas relaciones entre roles multifuncionales siempre con el apoyo y compromiso del comité de dirección.
3. Se debe comenzar con un conjunto de datos principal del customer journey: customer-core-data
La mayoría de las organizaciones se enfrentan a fuertes desafíos con la calidad y disponibilidad de los datos, ya que, sin datos, esta transición es imposible. La buena noticia es que las organizaciones pueden comenzar con datos básicos a nivel de cliente, incluso si los datos no son perfectos.
El primer paso es recopilar datos operativos y financieros a nivel de cliente individual. Una combinación de perfiles de clientes, junto con interacciones digitales y analógicas, suele ser un sólido punto de partida.
Los equipos deben crear la taxonomía del customer journey en detalle, que incluya todos los posibles impulsores de la satisfacción de su base de clientes. La taxonomía se puede utilizar para la generación de hipótesis, lo que lleva a nuevos atributos medibles para su inclusión en el modelo predictivo. Estos atributos, denominados características de datos en el aprendizaje automático, pueden variar desde propiedades numéricas, como el gasto anual de un cliente, hasta propiedades binarias, como si el cliente compró un producto en línea o en una tienda.
Comprender qué características son significativas en el modelo de aprendizaje automático y compararlas con las hipótesis del equipo puede ayudar a las organizaciones a reconocer dónde los datos pueden ser inexactos o incompletos y adaptar su estrategia de adquisición de datos.
Si no existen datos para ciertas funciones, los equipos pueden explorar opciones para adquirir nuevos conjuntos de datos (por ejemplo, datos de agencias de crédito) o aplicar nuevas herramientas para llevar a cabo las funciones requeridas (por ejemplo, sensores IoT para mapear puntos de interacción con el cliente en entornos físicos).
A medida que el algoritmo de aprendizaje automático ingiera más datos y genere sus propios conocimientos, los conjuntos de datos se volverán más sólidos, lo que resultará útil en múltiples aplicaciones empresariales.
En última instancia, las empresas pueden buscar integrar datos de otras fuentes que aparecen en el customer journey, incluidos chat, llamadas, correos electrónicos, redes sociales, apps y dispositivos IoT.
Sin importar la fuente, toda recopilación, almacenamiento y uso de datos debe seguir las mejores prácticas en privacidad y ciberseguridad (en particular, es fuente de ventaja competitiva la protección de datos del cliente, ya que los consumidores son cada vez más cuidadosos a la hora de compartir datos y dejan de hacer negocios con compañías cuya seguridad de datos no es fiable).
Las organizaciones deberían seguir las regulaciones de datos regionales y eliminar cualquier dato protegido relacionado con la raza, la sexualidad o la religión. Toda información que pueda ser atribuida a alguien debe ser encriptada y anonimizada antes de ser analizada.
Finalmente, revisar los riesgos regularmente, puede ayudar a detectar sesgos en los algoritmos en los sistemas CX. Los líderes de customer experiencia son responsables de tener el conocimiento de lo que sus organizaciones están haciendo para proteger los datos, mitigar sesgos, y promover la equidad en sus sistemas predictivos.
4. Enfócate primero en los casos de uso que pueden producir valor rápidamente
Los sistemas predictivos basados en datos ofrecen a los responsables de CX una oportunidad al vincular estrategias de CX al negocio, tangibilizando el valor en poco tiempo.
Es importante tener una visión clara de la manera de que los insights serán aplicados y poner el foco en unos pocos casos de uso que creen valor casi inmediatamente.
Con un marco de actuación más simple, las organizaciones pueden lograr importantes fuentes de nuevas oportunidades, puntos donde se produce «dolor» (pains), o ambas cosas, a través del existente customer journey y pensar como a través de un sistema predictivo se puede crear nuevas soluciones o mejorar las existentes, aquellas que pueden tener un impacto en la fidelidad de los clientes, en los costes de explotación, mejorar el cross y up selling.
Por ejemplo, una empresa aplica su sistema predictivo a la resolución de problemas durante el customer journey del cliente, después de darse cuenta que sus fondos para posibles contingencias — el cual ha tenido previamente asignado uniformemente a través de los clientes — podría aplicarse de manera más estratégica. La empresa desarrolló un algoritmo que puede identificar los clientes prioritarios según la medición de su lifetime value y recientes experiencias (como el indicador de demora por el servicio de cliente en el pasado mes), y usó el algoritmo para asignar estos fondos hacia clientes insatisfechos y con un valor alto.
Este primer caso de uso fue un éxito, ahorrando a la organización más del 25% de su presupuesto y allanó el camino para futuros proyectos. Los ejecutivos responsables de la experiencia de cliente, deberían conocer qué casos de uso presentan una clara oportunidad para generar valor a través de una prueba de una adecuada implantación de CX y así ganar impulso y apoyo del resto de la organización.
Después de años de sirviendo como el punto de referencia para diseñar y mejorar el rendimiento de la experiencia de cliente de empresas, los sistemas basados en encuestas se dirigen hacia el fin. El futuro para mejorar el rendimiento de la experiencia del cliente es llevar a cabo la transición a los sistemas predictivos basados en datos, así las ventajas competitivas están reservadas para compañías que son capaces de comprender que es lo que quieren sus clientes.