«Para superar las limitaciones de la medición tradicional de la experiencia del cliente, las empresas data-driven pueden utilizar minería de datos y aprendizaje automático.»
Encontrar una medición cuantitativa y objetiva de la experiencia de cada cliente es imposible. Sin embargo, sí es posible definir indicadores que ofrezcan una estimación aproximada de su calidad, basada en la evaluación de algunos puntos de dolor del Customer Journey.
Si bien no es factible un enfoque totalmente cuantitativo para medir la experiencia, un enfoque totalmente cualitativo es igualmente engañoso.
Es preferible adoptar un enfoque mixto, cualitativo-cuantitativo, derivado de las ciencias sociales y común al análisis de fenómenos complejos. Este enfoque es científicamente válido, ofrece soluciones efectivas, pero cubre sólo a un conjunto de clientes, aquellos que han sido analizados – ésta es su gran limitación.
Mapear Customer Journeys: el enfoque data-driven para evaluar la experiencia del cliente
Para superar las limitaciones de la medición tradicional de la experiencia del cliente, las empresas data-driven pueden utilizar minería de datos y aprendizaje automático. Es sumamente ganador; disponer de un enfoque innovador para mapear la experiencia del cliente y correlacionar con los KPIs del negocio, a través de la recopilación y el análisis de datos sobre las interacciones de los clientes con los canales físicos y digitales: llamadas al contact center, visitas al website o el app, chats, servicios activados o desactivados, productos comprados, promociones activas, comunicaciones enviadas por la empresa, visitas a tiendas, encuestas, etc.
Le puede interesar: La Evolución de las Compañías hacia el User Experience Centric
Estos «rastros del usuario», pueden ser procesados con el uso de algoritmos de Process Mining y ser representados en forma gráfica obteniendo una imagen clara y completa del mapa de eventos que ocurrieron durante la interacción, para todos los Customer Journeys, calculando KPIs operativos simples (e.g. tiempos de cruce, duraciones de eventos, repeticiones), a partir de los cuales se construyen KPIs operativos más complejos para configurar un flujo completo de procesos de monitoreo y control. Finalmente, de estos KPIs operativos se infiere la correlación y la causalidad con los principales KPIs de interés para el negocio.
No obstante, la principal complejidad de la fase de mapeo utilizando Process Mining es poder gestionar todas las rutas utilizadas por los diferentes clientes. Para esto, BIP desarrolló un modelo propio de Machine Learning que construye clusters conductuales para generar segmentos de clientes que se comportan e interactúan con los puntos de contacto de forma similar.
Estos segmentos, son la base para construir los Customer Personas, los cuales son arquetipos que encarnan el comportamiento, los hábitos, las necesidades y las expectativas de un segmento específico de usuarios reales. Adicionalmente, esta segmentación permite definir los KPIs del Customer Experience para cada grupo de clientes en función del comportamiento y así comprender las motivaciones y causas subyacentes del comportamiento del usuario.
El paso final es integrar la herramienta con los sistemas de información de la empresa, habilitando un sistema de monitoreo de la experiencia del cliente, actualizando constantemente los datos, con el fin de activar un proceso iterativo y continuo de medición, que permite implementar medidas correctivas guiadas por evidencia cuantitativa.
Lea también: Transformación de la Experiencia del Cliente con un Enfoque Práctico
