Todas las empresas reconocen que la satisfacción de los clientes es uno de sus activos más importantes y que tiene un impacto directo en su cuenta de resultados. Por esta razón, la forma de medir la “experiencia del cliente” y cómo utilizar esta información para la toma de decisiones es uno de los retos más importantes a los que se enfrentan.
Desde hace más de una década se han popularizado métricas de calidad y satisfacción de clientes basadas en preguntas únicas que se realizan justo al final o poco después de una interacción con el cliente. Aquí se enmarcarían el famoso NPS (“Net Promoter Score”) o el más reciente CES (“Customer Effort Score”) que mide la percepción del cliente sobre el tiempo y el esfuerzo dedicados para resolver un problema.
Cada día estas métricas van adquiriendo mayor relevancia y las empresas dedican grandes esfuerzos e inversiones a su estudio y puesta en marcha. Sin embargo, estudios recientes han comenzado a poner en duda la excesiva confianza que las grandes empresas otorgan a estos índices debido a sus numerosas limitaciones. Así, entre sus principales debilidades destacan el escaso volumen de clientes encuestados y el bajo porcentaje de respuesta a estas encuestas de satisfacción (menos del 10%), lo que levanta las cuestiones de falta de representatividad e, incluso, sesgo de selección muy derivado de los clientes que deciden responder la encuesta.
Aunque los índices de calidad hoy utilizados por las empresas son indicadores razonables del nivel de fidelidad de los clientes con la entidad, estos no reflejan con certeza el comportamiento real de los individuos y, en consecuencia, no proporcionan el elemento prescriptivo que las empresas necesitan para tomar acciones oportunas.
Bajo este escenario, la medición de la satisfacción está evolucionando hacia un enfoque integral y menos intrusivo que incorpora información desestructurada de todas las interacciones con el cliente (ej.: llamadas, emails, chats, etc.), además de los resultados de las encuestas (NPS, CES, etc.) y toda la información disponible del cliente para entender y explicar mejor su comportamiento.
En todo el mundo ya encontramos diversos ejemplos de este nuevo enfoque, como en Gran Bretaña donde la Universidad de Cambridge está trabajando actualmente en una investigación en la que se incorporan los comentarios de los clientes (información desestructurada) como entrada de un modelo que predice el comportamiento a partir de técnicas de Machine Learning (ML). También en Australia, durante los últimos dos años Vodafone trabaja en un nuevo NPS que se calcula a partir de diversas fuentes de información estructurada, sin preguntar directamente a los clientes y utilizando algoritmos y modelos predictivos para estimar como respondería un cliente ante un evento en particular.
Sin embargo, es en España donde se está dando un paso innovador en el frente de la satisfacción de los clientes. En palabras de José Luis Cortina, presidente de NEOVANTAS: “hemos desarrollado JOY, una aplicación web que infiere una nota de satisfacción para cada uno de los clientes de una entidad, sin preguntarles, a partir de todas las interacciones orales y escritas de estos con dicha empresa, unido a toda la información estructurada que la entidad dispone de los clientes”.