McKinsey Quarterly

Predicción: El futuro de la experiencia del cliente

Diseñar experiencias de cliente superiores es cada vez más fácil gracias a la analítica predictiva.

Compañías de todo tipo han invertido fuertemente en herramientas y tecnologías que les ayudan a comprender mejor a sus clientes y a aprovechar las ventajas de una mejor experiencia del cliente (CX). Pero pese a que los líderes se esfuerzan por formarse una imagen más completa de las preferencias y los comportamientos de los clientes, continúan dependiendo de sistemas de medición por encuestas que durante décadas han sido la columna vertebral de las iniciativas de CX pero en la actualidad resultan obsoletos. Las empresas utilizan estos sistemas para medir su desempeño en CX con encuestas de marca o relacionamiento, “cierran el bucle” de feedback vía encuestas post-transacción, e incluso diseñan jugadas estratégicas utilizando la información de series de encuestas regulares. Equipos enteros se dedican a procesar cuestionarios y elevar las tasas de respuesta, y las métricas resultantes pueden influir en todo tipo de decisiones, desde bonificaciones para el personal o salarios de ejecutivos hasta inversiones estratégicas.

Sidebar

El problema es que los ejecutivos reconocen que los sistemas de medición con encuestas no satisfacen los objetivos de CX de sus organizaciones, más allá de que constituyen una importante herramienta para realizar investigaciones. De hecho, el presente artículo se basa en una encuesta reciente de McKinsey con más de 260 líderes de CX de empresas estadounidenses de todos los tamaños 1 . El 93 por ciento de los participantes manifestaron estar utilizando métricas basadas en encuestas (como el puntaje de satisfacción – CSAT – o de esfuerzo – CES) como medio principal para medir el desempeño en CX, pero solo el 15 por ciento de los líderes se sienten plenamente satisfechos con la forma de medir la satisfacción de su compañía, y apenas el 6 por ciento cree que el sistema utilizado contribuye efectivamente a la toma de decisiones tácticas y estratégicas. Los ejecutivos señalaron como principales problemas las bajas tasas de respuesta, la ambigüedad acerca de los drivers de desempeño y la falta de un vínculo claro con el valor económico.

Un puñado de compañías líderes están innovando con un abordaje mejorado que aprovecha al máximo el enorme volumen de datos disponible en la actualidad. Hoy día, las empresas pueden recolectar de manera sistemática, legal y uniforme datos de smartphones y de interacciones en sus diferentes sistemas (financieros, operacionales, de relacionamiento), generando así un conocimiento más profundo de sus clientes. Las organizaciones que miran hacia el futuro están intensificando sus capacidades de datos y analítica y empleando insights predictivos para conectarse más de cerca con los clientes, anticipar sus comportamientos e identificar problemas y oportunidades relacionados con la experiencia en tiempo real. Estas compañías pueden entender mejor sus interacciones e incluso adelantarse a los problemas en los recorridos de clientes (“customer journeys”). Y los clientes cosechan los beneficios, como compensación inmediata por la demora de un vuelo o contacto proactivo cuando un paciente tiene dificultades para resolver un problema. Estas ventajas van mucho más allá de los individuos típicamente considerados “clientes”, y alcanzan a miembros, pacientes, invitados e intermediarios, entre otros. Los “primeros en mover” en el mundo de la analítica de CX anticipan un cambio fundamental en la forma que las compañías analizan e influyen en la experiencia del cliente.

En este artículo exploramos cómo los datos y la analítica están empezando a transformar el arte y la ciencia de la experiencia del cliente. En primer lugar, presentamos nuevas investigaciones que aportan claridad y una base fáctica acerca de las falencias de los sistemas de medición dependientes de encuestas. Luego examinamos la manera en que algunos líderes implementaron sistemas de CX basados en datos que les permitieron reducir las fugas, aumentar los ingresos y recortar el costo de servicio. Finalmente, ofrecemos insights sobre los pasos iniciales, incluidas cuatro acciones clave para los líderes de CX en su transición hacia el conocimiento y la acción con soporte de datos.

Los beneficios no son automáticos. Quienes recién inicien este camino se enfrentarán a obstáculos y resistencia organizacional. Pero con decisión, hasta las empresas con sistemas de CX rudimentarios, información limitada y científicos de datos insuficientes pueden comenzar a sentar las bases para transformar sus programas de CX y la experiencia de sus clientes.

Los programas de CX del futuro serán holísticos, predictivos, precisos y claramente vinculados a los resultados del negocio. La evidencia indica que las ventajas pueden ser significativas para las compañías que comiencen a desarrollar las competencias, el talento y la estructura organizacional necesarias para esta transición. Por el contrario, quienes se aferren a los sistemas tradicionales se verán forzados a converger tarde o temprano.

‘La encuesta dice’: Las falencias de las mediciones tradicionales de la experiencia del cliente

Si bien las encuestas no dejan de ser un medio válido para reunir información de clientes, no son útiles como herramienta de gestión para medir el desempeño en CX e identificar oportunidades y reaccionar a ellas. Para que las organizaciones puedan liderar desde una posición centrada en el cliente, necesitan contar con una perspectiva integral de todo el recorrido, como también la capacidad para obtener insights granulares y en profundidad sobre los factores que inciden en la experiencia; necesitan señales inmediatas e individuales para poder actuar de inmediato y crear experiencias relevantes para cada cliente, y demostrar que las mejoras de la experiencia en que desean invertir resultarán en un retorno positivo. Los sistemas basados en encuestas tienen cuatro fallas principales que hacen que estas tareas clave se tornen prácticamente imposibles (Gráfico).

We strive to provide individuals with disabilities equal access to our website. If you would like information about this content we will be happy to work with you. Please email us at: McKinsey_Website_Accessibility@mckinsey.com
  1. Limitados: Una encuesta de CX típica evalúa tan solo el 7 por ciento de los clientes de una compañía, por lo que ofrece una visión bastante limitada de lo que experimentan y valoran. En efecto, solo el 13 por ciento de los ejecutivos de CX que entrevistamos manifestaron tener plena confianza en la representatividad de la base de clientes provista por su sistema de medición de la experiencia.
  2. Reactivos: Las encuestas son una herramienta retrospectiva en un mundo donde los usuarios pretenden que sus problemas sean resueltos cada vez más rápido. Casi dos tercios de los participantes calificaron a la posibilidad de responder a los problemas con la experiencia del cliente en tiempo real entre sus tres principales prioridades, aunque solo el 13 por ciento consideró que su organización podía alcanzar ese nivel de conocimiento con los sistemas disponibles. 
  3. Ambiguos: A menudo, las encuestas no logran revelar las causas raíz del sentimiento de los clientes. Los puntajes pueden variar en función de múltiples factores externos, incluidos sesgos geográficos y shocks de la industria, lo que hace difícil llevar a cabo un análisis de causa raíz confiable utilizando exclusivamente encuestas. Apenas el 16 por ciento de los líderes de CX dijeron que sus encuestas les ofrecen información suficientemente granular para atacar las causas raíz del mal desempeño.
  4. Desenfocados: Como planteó un ejecutivo de una importante firma de servicios financieros, “la asociación entre puntajes basados en encuestas y los resultados del negocio no siempre es comprendida y, como resultado, muchas partes de la organización reivindican el impacto de sus iniciativas de CX sin evidencia concreta”. Varias compañías han sido criticadas recientemente por fundamentar decisiones de inversión exclusivamente en un puntaje obtenido con encuestas. Sorprendentemente, de los líderes de CX a quienes consultamos, apenas el 4 por ciento afirmó que sus sistemas les permiten calcular el retorno de la inversión (ROI) de sus decisiones.

El futuro son los insights predictivos

Desde que los sistemas basados en encuestas se generalizaron, la generación de insights se ha transformado gracias a los sorprendentes avances en la capacidad para generar, combinar y analizar datos. Las compañías poseen en la actualidad acceso a una enorme variedad de información: datos internos de interacciones con clientes (digitales y “análogas”), transacciones y perfiles; datos externos fácilmente accesibles que abarcan actitud de los clientes, conductas y preferencias de compra y comportamientos digitales, incluida actividad en redes sociales; y nueva información sobre salud de la relación, sentimientos y localización (por ejemplo, en tiendas) generada por la Internet de las Cosas (IoT). Otras disciplinas de negocios, como marketing y administración de ingresos, ya se han transformado gracias a la agregación y el análisis de estos enormes conjuntos de datos. El contraste es evidente: ¿Para qué utilizar una encuesta y consultar a los clientes acerca de sus experiencias si podemos emplear datos sobre interacciones para predecir tanto la satisfacción como la probabilidad de que un cliente permanezca fiel a la marca o incluso incremente su actividad?

¿Por qué usar una encuesta si esos mismos datos nos permiten predecir la satisfacción?

Algunos líderes de CX han tomado la iniciativa y han comenzado a usar la información disponible y a extraer valiosos insights capaces de generar alertas y orientar acciones rápidas para mejorar las experiencias. Si bien los detalles específicos pueden variar según la compañía y la industria, este abordaje se centra en una plataforma predictiva de experiencia compuesta por tres elementos principales:

  1. Data lake a nivel de clientes

    En primer lugar, la empresa reúne datos de clientes, financieros y operacionales (agregados y de clientes individuales) 2 ; luego los procesa y almacena en una plataforma en la nube. Conjuntos de datos exhaustivos, conectados y dinámicos a nivel de cliente permiten a la organización mapear y monitorear sus comportamientos en todas las interacciones, transacciones y operaciones. Mientras que las encuestas reflejan las posturas de un sub-grupo de consumidores o usuarios en un punto fijo en el pasado, los nuevos conjuntos de datos abarcan toda la base de clientes y el recorrido completo, arrojando así luz sobre las causas raíz de las variaciones en la satisfacción.

    El data lake sirve de base para desarrollar un entendimiento riguroso de las experiencias de los clientes. La plataforma debe ser confiable en todas las áreas de la organización, con un mapeo claro y consistente de todas las fuentes de información e identificadores únicos de clientes, líneas de productos y otros insumos clave del negocio.

  2. Puntajes predictivos

    La compañía ejecuta analítica (generalmente usando varios tipos de algoritmos de aprendizaje automático) para entender y medir qué factores están influyendo en la satisfacción de los clientes y en el desempeño del negocio, y para detectar eventos específicos en los recorridos de clientes.

    Los algoritmos producen puntajes predictivos a nivel individual sobre la base de las características del recorrido seguido por el cliente. Con estos puntajes, la organización puede predecir la satisfacción de cada cliente y evaluar indicadores como ingresos, fidelidad o costo de servicio. En un sentido más amplio, ayudan a los líderes de CX a medir el ROI de inversiones específicas en CX y asociar las iniciativas a los resultados del negocio.

  3. Motor de insights y acciones

    Información, insights y sugerencias son compartidos con un amplio grupo de empleados (incluidos agentes de la primera línea) y herramientas (como plataformas CRM) a través de una interfaz de programación de aplicaciones (API). Por ejemplo, los agentes pueden recibir alertas y notificaciones acerca de las acciones a adoptar para personalizar y mejorar las experiencias. La capa de API opera como fuente única de verdad, y alimenta los motores de recomendaciones basándose en el data lake y en los puntajes de clientes. Aún más importante, la plataforma predictiva, a diferencia de los sistemas basados en encuestas, ofrece conceptos inmediatos y estimula una respuesta rápida, tanto de los empleados como a través de las interfaces digitales.

Las plataformas de CX predictivas ayudan a las compañías a medir y manejar mejor su desempeño en CX; también informan y optimizan la toma de decisiones estratégicas. Estos sistemas posibilitan que los líderes de CX elaboren una perspectiva precisa y cuantificada de los factores que están influyendo en la experiencia de los clientes y en el desempeño del negocio, y constituyen la base para vincular la experiencia con el valor y elaborar business cases sólidos para mejorarla. También generan una perspectiva holística de la satisfacción y del potencial de valor de cada cliente susceptible de ejecución casi inmediata. Los líderes que construyeron estos sistemas están creando valor significativo con una gran variedad de aplicaciones para gestión del desempeño, planeación estratégica e interacción en tiempo real con clientes.

Las plataformas de CX predictivas son la base para vincular la experiencia con el valor y para elaborar business cases sólidos para mejorarla.

Una compañía de tarjetas de crédito muy importante deseaba adoptar una estrategia onmi-canal y elevar su desempeño en canales digitales. Para ello se concentró en construir una infraestructura analítica y de datos de CX para identificar, mejorar y medir sistemáticamente los factores que influyen en la satisfacción de clientes y los resultados comerciales en 13 recorridos (CJs) prioritarios. Comenzó reuniendo datos de interacciones, transacciones y perfiles de clientes con una plataforma de análisis de recorridos y así identificar los factores que inciden en la satisfacción en cada situación y las áreas en las que podía mejorar. La plataforma incluyó datos sobre reiteración de interacciones, tiempos de resolución y frecuencia con que los usuarios alternaban entre canales. También abarcó otros elementos más sutiles, como si la compañía manejaba con eficacia los problemas y el tipo de comunicaciones establecidas en diferentes momentos.

Este abordaje analítico ofreció a la organización una visión cuantificada y sistemática de los problemas, las áreas de oportunidad y las interacciones con millones de clientes en diferentes canales, lo que ayudó a definir un ciclo sistemático de mejora de los recorridos. El equipo utilizó la plataforma analítica para enfocar las inversiones y los esfuerzos operacionales en los recorridos y los momentos específicos que hacían una diferencia para los clientes, y finalmente logró reducir sus costos operacionales y de interacción entre el 10 y el 25 por ciento como resultado de la transformación digital y de la experiencia.

Priorizar las iniciativas de CX a través de la planeación estratégica constituye otro caso de uso promisorio para los sistemas basados en datos, que permite a los responsables por la experiencia del cliente comprender qué factores operacionales, financieros y de clientes generan problemas u oportunidades sistémicas. Un administrador de sistemas de salud estadounidense, por ejemplo, creó un data lake de recorridos para determinar la manera de mejorar la atención. Este gran repositorio sincroniza 4.000 millones de registros de nueve sistemas diferentes, entre ellos marketing, operaciones, ventas, digital e IoT. La perspectiva holística de clientes resultante ayudó a la organización a identificar puntos de quiebre operacionales – umbrales donde los pacientes piden frecuentemente hablar con un supervisor o cambiar a otro canal para solucionar un problema – y contactarse proactivamente con los pacientes a través del sitio web, e-mail o por teléfono para resolver la situación. También utilizó los datos para diseñar una estrategia de migración digital más inteligente, dirigida a clientes con mínima actividad en canales digitales con el fin de capacitarlos en el uso de las opciones de autoservicio. La organización aumentó sustancialmente la adopción digital poniendo el acento en los puntos problemáticos más significativos, como renovación de recetas de medicamentos; y redujo sus costos al disminuir en más de un 25 por ciento la frecuencia con que los usuarios regresaban a otros canales luego de comenzar en uno digital.

Finalmente, gracias a la naturaleza casi inmediata de los insights analíticos, estos nuevos sistemas crean una plataforma apta para la interacción cotidiana y proactiva con los clientes. Una aerolínea líder construyó un sistema de aprendizaje automático (ML) con más de 1.500 variables operacionales, de clientes y financieras para medir la satisfacción y los ingresos proyectados de sus más de 100 millones de clientes cada día. El sistema permitió a la compañía aérea identificar y dar prioridad a los clientes cuyas relaciones estaban en mayor riesgo debido a una demora o cancelación y ofrecerles una compensación a medida para preservar la relación y reducir la pérdida de clientes en las rutas más rentables. Un equipo combinado de entre 12 y 15 científicos de datos, expertos en CX y socios externos trabajó durante cerca de tres meses para construir el sistema y liderar esta primera aplicación, que derivó en una sorprendente mejora del 800 por ciento en la satisfacción y una reducción del 60 por ciento de las fugas de clientes prioritarios.

Cómo convertir los datos en insights y acciones

La transición al uso de insights predictivos no ocurre de la noche a la mañana. Como ilustra nuestra investigación, la mayoría de las organizaciones aún recurre a encuestas para medir el sentimiento de los clientes. Ahora, los líderes tienen la oportunidad de llevar sus programas de CX al siguiente nivel tomando como punto de partida su posición actual. Con base en nuestro análisis de las organizaciones que completaron exitosamente la transición, hemos identificado cuatro pasos clave para dar inicio a la transformación de la experiencia.

1. Cambiar las mentalidades: La transición involucrará inevitablemente desafíos, entre ellos el de modificar las mentalidades de los equipos de trabajo y los ejecutivos. Los líderes pueden sentir que los sistemas predictivos están fuera de su ámbito de trabajo y en cambio corresponden al dominio del departamento de TI o de un equipo de científicos de datos. Pero los tiempos cambian, y los líderes de CX actuales necesitan poner tanta atención en los datos como hasta hace poco lo hacían en los puntajes de CX. Algunos quizás argumenten que su organización ya ha realizado análisis de regresión de algunos indicadores de desempeño. Pero es hora de ser más audaces y construir un sistema, y no usar los datos en forma intermitente.

El rol del líder de CX está evolucionando, lo que significa que los ejecutivos tendrán que reposicionarse dentro de sus organizaciones. Cuando le consultamos acerca del mayor desafío que debió enfrentar con el sistema actual, un director de experiencia respondió: “La gente asocia la experiencia del cliente con el marketing, y no con la tecnología”. Eso está cambiando ahora que son cada vez más las empresas que adoptan analítica predictiva, y es tarea de los líderes de CX fomentar ese cambio de percepción.

El equipo de CX debe definir la dirección y la estrategia, pero generar entusiasmo e identificación en todos los participantes será clave para escalar el impacto.

2. Derribar silos y formar equipos multi-funcionales: Las funciones de CX a menudo caen en el error de crear sus propios silos dentro de una compañía. Para iniciar la transición, los líderes de CX necesitan integrarse mejor con el resto de la organización. 

Los dueños de los datos estarán inevitablemente distribuidos entre funciones como operaciones, marketing, finanzas o tecnología, por lo que convocar a todos los líderes será vital para garantizar el acceso y la gestión eficiente de los datos. (Por supuesto, serán los científicos de datos – y no los profesionales de CX – quienes escriban los algoritmos.) El equipo de CX debe definir la dirección y la estrategia, pero generar entusiasmo e identificación en todos los participantes será clave para escalar el impacto.

Un cliente del sector del turismo, por ejemplo, comenzó a diseñar su sistema de datos con la idea de generar mejoras en tiempo real en sus operaciones de servicio, dado que el equipo de CX tenía una fuerte relación de colaboración con la organización de servicio a clientes y podría validar el valor rápidamente. El esfuerzo inicial involucró una colaboración cercana: CX operó como “dueño” del negocio, el equipo de científicos de datos desarrolló el producto y servicio a clientes actuó como primer receptor de un producto viable mínimo o “MVP” inicial. Fuera del equipo principal, un consejo asesor formado por el COO, el CFO y el director de marketing se manutuvo informado sobre los avances y asesoró respecto de futuros casos, de modo que cuando el piloto inicial demostró ser exitoso, el COO ya estaba de acuerdo con sumar nuevos casos de uso. Incluso en el caso de iniciativas de menor escala – por ejemplo, cuando una compañía recurre a contratistas en lugar de formar un equipo interno de científicos de datos –, estas relaciones firmes y multi-funcionales a nivel de desarrollo y de comité de dirección serán de vital importancia para crear y escalar los motores de insights de CX del futuro.

3. Comenzar por los datos de un recorrido clave y mejorarlos para aumentar la precisión: La mayoría de las organizaciones enfrentan desafíos referidos a la calidad y la disponibilidad de los datos – y sin datos no hay chances de éxito. La buena noticia es que las organizaciones pueden comenzar con datos de clientes de nivel básico, e incluso si estos datos no son perfectos. El primer paso es reunir información operacional y financiera a nivel individual. Una combinación de perfiles de clientes, junto con interacciones digitales y análogas, suele ser un buen punto de partida.

Los equipos necesitan crear una taxonomía detallada de los recorridos, que incluya todos los posibles drivers de satisfacción para la base de clientes. Esta taxonomía es utilizada para elaborar hipótesis y arribar a nuevos atributos mensurables a incorporar al modelo predictivo. Los atributos – denominados características en el ámbito de ML – pueden oscilar entre propiedades numéricas, como el gasto anual de un cliente, hasta propiedades binarias, como si un producto fue adquirido en la web o en una tienda. Con el tiempo, entender qué características son significativas para el modelo de ML y compararlas con las de las hipótesis del equipo ayuda a reconocer si los datos son imprecisos o incompletos y adaptar la estrategia de adquisición en consecuencia. Si no hubiera datos para algunas de las características, los equipos pueden explorar opciones para adquirir nuevos conjuntos de datos (por ejemplo, de agencias de crédito) o aplicar nueva instrumentación para generar las características requeridas (como sensores de IoT que mapeen los puntos de interacción con clientes en contextos físicos). A medida que el algoritmo de ML ingiere más datos y genera sus propios conceptos, el conjunto de datos se vuelve más robusto y más útil para diversas aplicaciones empresariales.

Por último, las compañías pueden integrar datos de varias fuentes a lo largo de todo el recorrido del cliente, como chats, llamadas, e-mails redes sociales, aplicaciones y dispositivos de IoT. Más allá de cuál sea la fuente, todo lo relacionado con la recopilación, el almacenamiento y el uso debe respetar las mejores prácticas de privacidad y ciberseguridad. (Particularmente, nuestros colegas detectaron que la protección de los datos de clientes puede operar como fuente de ventaja competitiva, considerando que los consumidores se están volviendo más cuidadosos en lo referido al uso de sus datos y evitan operar con empresas sin políticas de privacidad claras.) Las organizaciones deben seguir las regulaciones locales sobre datos y eliminar las variables asociadas a categorías protegidas, como raza o religión. Toda la información identificatoria debe estar encriptada y anonimizada antes de su análisis. Por último, los análisis de riesgo regulares ayudan a detectar sesgos en los algoritmos de los sistemas de CX. Los líderes de CX tienen la responsabilidad de conocer qué están haciendo sus organizaciones por proteger la información de sus clientes, mitigar los sesgos y promover la equidad en sus sistemas predictivos.

Al principio, es importante tener una perspectiva clara de cómo se aplicarán los conceptos y poner atención en un grupo reducido de casos de uso específicos que ofrezcan retorno inmediato.

4. Enfocarse primero en los casos de uso con potencial para generar valor rápidamente: Los sistemas predictivos y basados en datos ofrecen a las organizaciones de CX una oportunidad única para vincular sus estrategias de CX con valor tangible para el negocio. Al principio, es importante tener una perspectiva clara de cómo se aplicarán los conceptos y poner atención en un grupo reducido de casos de uso específicos que ofrezcan retorno inmediato. Usando una estructura simple, las compañías pueden evaluar las principales fuentes de oportunidad, los puntos problemáticos o ambos en los recorridos de cliente existentes y considerar de qué manera puede un sistema predictivo crear nuevas soluciones o mejorar las existentes para lograr impacto directo en aspectos como fidelidad, costo de servicio y cross-/ up-selling.

Por ejemplo, una empresa aplicó su sistema predictivo al recorrido de resolución de reclamos después de notar que sus fondos para contingencias, que hasta entonces se asignaban uniformemente entre todos los clientes, podían ser aplicados más estratégicamente. La compañía desarrolló un algoritmo capaz de identificar a los clientes prioritarios en términos de valor durante el ciclo de vida y experiencias recientes (como problemas con el servicio durante el último mes), y usó el algoritmo para asignar esos fondos en mayor medida a los clientes insatisfechos de alto valor. El primer caso de uso resultó un éxito y permitió a la organización ahorrar más del 25 por ciento del presupuesto, además de allanar el camino para futuras aplicaciones. Los líderes deben preguntarse qué casos de uso presentan una oportunidad clara para generar valor mediante una prueba de concepto y así generar momentum y apoyo.


Luego de años de servir como referencia para definir y refinar el desempeño de una organización en términos de experiencia del cliente, los sistemas basados en encuestas van camino a desaparecer. El futuro de un desempeño superior en experiencia del cliente está girando hacia sistemas predictivos y basados en datos, y las ventajas competitivas están reservadas para las compañías que mejor logren interpretar lo que sus clientes desean o necesitan.

Related Articles