La esencia
-
La IA llegó para quedarse. La creciente inteligencia de la IA generativa puede mejorar en gran medida todas las facetas de la experiencia del cliente, incluidos NPS, CES y CSAT.
-
Los LLM lo ayudan a comprender a sus clientes. El NPS de una empresa se puede mejorar mediante el uso de grandes modelos de lenguaje para comprender los datos de los clientes.
-
Los chatbots facilitan las interacciones con los clientes. Los chatbots omnicanal mejoran CES y CSAT al brindar soporte las 24 horas.
No es ningún secreto que las empresas no serían nada sin sus consumidores, pero fomentar la confianza a través de un excelente servicio al cliente es igualmente importante cuando se intenta causar una impresión positiva de marca.
El uso de IA generativa para mejorar las métricas de la experiencia del cliente permite a los equipos de servicio al cliente comprender mejor cómo piensan y se comportan los clientes, lo que luego pueden utilizar para brindar una mejor experiencia general al cliente.
Aunque existe una gran cantidad de métricas de experiencia del cliente en las que confiar, vamos a examinar el impacto potencial de la IA generativa en Net Promoter Score (NPS), Customer Effort Score (CES) y Customer Satisfaction Score (CSAT).
La IA generativa ciertamente tiene un impacto esperado en la atención y el servicio al cliente. Según la Organización Internacional del Trabajo, estas tareas de atención al cliente están sujetas a la automatización y la IA generativa:
- Expedición de entradas para asistencia a eventos deportivos y culturales.
- Tomar reservas, saludar a los invitados y ayudar a tomar pedidos.
- Determinar la ruta más adecuada para la prestación del servicio.
- Realizar y confirmar reservas de viajes, tours y alojamiento.
Sin duda, la IA generativa sirve como piedra angular de la CX. Para explorar más a fondo sus ventajas, veamos tres métricas principales de experiencia del cliente (NPS, CES y CSAT) y arrojemos luz sobre cómo la IA mejora cada una de ellas.
¿Qué es Net Promoter Score?
Pero primero, analicemos cuáles son estas métricas de experiencia del cliente y qué significan para los esfuerzos generales de experiencia del cliente.
La métrica de experiencia del cliente Net Promoter Score se utiliza para medir la lealtad y satisfacción del cliente, proporcionando información sobre la probabilidad de que los clientes recomienden su producto, servicio o empresa. Por lo general, a los clientes se les pregunta algo como: «En una escala de 0 a 10, ¿qué probabilidades hay de que nos recomiende a un amigo o colega?»
Los “promotores” son aquellos dentro del rango de nueve a 10, los “pasivos” responden entre siete y ocho y los “detractores” responden con un seis o menos. Para calcular la puntuación final se resta el porcentaje de detractores del porcentaje de promotores. Puntuación final de NPS: porcentaje de promotores menos porcentaje de detractores.
La mejor puntuación sería 100 y la peor puntuación sería -100. Lo ideal es que esta métrica se combine con otras para obtener una visión más completa de la experiencia del cliente.
¿Qué es la puntuación del esfuerzo del cliente?
La métrica de experiencia del cliente Customer Effort Score mide qué tan fácil es navegar/interactuar con su empresa. Muestra cuánto esfuerzo debe realizar un cliente para resolver un problema, comprar un producto o servicio, obtener respuesta a una pregunta, etc.
Por lo general, se mide de varias maneras, la más común incluye la escala Likert (“muy de acuerdo” a “muy en desacuerdo”), una escala numerada (generalmente del uno al 10) o una escala de emoticonos (una cara triste que indica insatisfacción, una cara feliz indicando lo contrario).
Esta métrica de la experiencia del cliente es importante porque si a los clientes les resulta difícil interactuar con su marca, podrían cambiar a un competidor. Pero si su empresa facilita las interacciones, será más probable que los consumidores permanezcan leales y lo recomienden a otros.
¿Qué es el puntaje de satisfacción del cliente?
La métrica de experiencia del cliente del Puntaje de satisfacción del cliente es sencilla. Mide la satisfacción de un cliente con un producto, servicio o experiencia en particular. De manera similar a NPS, a los consumidores se les hace una pregunta de retroalimentación como: «¿Qué tan satisfecho estuvo con su [product/service/experience]?” Las respuestas suelen clasificarse en una escala (1-3, 1-5 o 1-10).
CSAT = respuestas positivas ÷ respuestas totales, x 100
Esta métrica de la experiencia del cliente es útil porque revela qué tan bien un producto o servicio cumple o supera las expectativas del cliente. Sin embargo, como cualquier otra métrica, conviene complementarla con otras como NPS y CES.
Ahora que hemos cubierto los conceptos básicos, podemos explorar cómo la IA generativa puede mejorar estas tres métricas de la experiencia del cliente.
Impulsar NPS con modelos de lenguaje grandes
Stefan Osthaus, fundador de The Customer Institute, cree que la IA es el camino del futuro cuando se trata de analizar la retroalimentación NPS utilizando métricas de aprendizaje automático. Hacer preguntas a los clientes en una escala numérica, o proporcionar un menú desplegable con opciones preestablecidas para elegir, es fácil de interpretar y compartimentar, pero cuando surge el «¿por qué?» La pregunta que entra en juego es cuándo surgen las complicaciones. Aquí es donde interviene la IA.
«La IA es una herramienta muy importante para facilitar el manejo de preguntas abiertas», señaló Osthaus. “En el pasado, teníamos software que creaba nubes de palabras. Es muy impresionante visualmente, pero muy inútil en cuanto a contenido porque ahora tienes un grupo de palabras que pretenden darte información”.
Las nubes de palabras seleccionan palabras o frases que parecen estar relacionadas y luego las agrupan organizativamente. Esto elimina las particularidades de los comentarios de los clientes, reduciendo sus respuestas a las palabras «buenas» o «malas» que usaron para describir sus experiencias. Si realmente quisieras analizar los comentarios abiertos, tendrías que leer cada respuesta. Sin duda, esto puede resultar difícil de manejar si hay una cantidad abrumadora de comentarios.
Sin embargo, los modelos de lenguaje grandes pueden respaldar métricas de experiencia del cliente como NPS.
«Con los modelos de lenguaje grande (LLM), puedes descargar una hoja de cálculo con miles de respuestas abiertas, subirlas a tu LLM y tener una conversación con la IA», dijo Osthaus. «Puedes preguntar: ¿Qué dicen los datos? «¿Yo? ¿Dónde están los puntos débiles más destacados? ¿Qué dice un cliente sobre el producto ABC o el servicio 123? LLMS proporciona una dimensión completamente nueva de conocimiento de datos».
Artículo relacionado: Combine NPS y CLV para lograr un crecimiento real
Los chatbots pueden producir un CES más alto
Brad Cleveland, consultor de CX y colaborador de CMSWire, cree que la IA facilita las cosas al cliente. Muchas marcas utilizan la IA conversacional y los chatbots omnicanal para ayudar a mejorar la métrica de experiencia del cliente del Customer Effort Score porque les permiten acceder a soporte cuando lo necesitan. Y hay muchos casos de uso para estos chatbots de IA.
Entre otras cosas, estos chatbots pueden acceder fácilmente al historial de compras de un cliente o a tickets de soporte anteriores, simplificando así aún más la interacción. La “facilidad” de un cliente para interactuar con una marca se vería significativamente obstaculizada si un agente del centro de contacto extrajera manualmente esta información y la analizara por teléfono.
«La IA mejora directamente CES al ayudarle a anticipar mejor las necesidades de los clientes y ofrecer soluciones más oportunas y personalizadas». Dijo Cleveland. “Básicamente, estás mejorando ambos extremos de la ecuación de la experiencia del cliente (lo que ellos necesitan y lo que tú les estás brindando). Por lo tanto, aproveche bien la IA y moverá la experiencia del cliente en la dirección correcta y verá las tendencias de CES (así como CSAT, NPS, etc.) que lo harán sonreír”.
Además, los chatbots tienen la capacidad de brindar soporte las 24 horas del día a los clientes que necesitan ayuda fuera del horario comercial. Poder resolver un problema desde casa, en cualquier momento, es mucho más atractivo que esperar hasta la mañana siguiente para hablar con un agente u otro personal de soporte. En consecuencia, mejorar la resolución media en tiempo (MTTR) aumentará el CES.
Impulse CSAT a través del análisis de comentarios de los clientes
De manera similar, la IA generativa puede ayudar a mejorar las métricas de experiencia del cliente del puntaje de satisfacción del cliente al analizar los tickets de atención al cliente de una manera que los operadores humanos nunca podrían hacerlo. El análisis de los comentarios de los clientes ha mejorado enormemente porque la IA tiene la capacidad de compartimentar grandes cantidades de respuestas de los clientes a partir de encuestas, reseñas y otras fuentes para identificar problemas comunes o puntos débiles.
Según Sprinklr, estos conocimientos permiten a los líderes en experiencia del cliente descubrir detalles específicos sobre los comentarios de los clientes que de otro modo podrían haber pasado desapercibidos. Antes de la implementación de la IA, era difícil ver más allá de una visión general amplia del desempeño de su equipo de atención al cliente. Ahora, los líderes de CX pueden identificar cualquier problema común que pueda estar reduciendo sus puntuaciones de satisfacción y que no fuera evidente inicialmente.
Los tickets de soporte se pueden etiquetar y ordenar según el motivo del cliente para llamar o contactar a su empresa con un registro detallado de sus comentarios.
Micah Solomon, consultor de CX, autor y colaborador de CMSWire, cree que la IA puede ayudar a mitigar las llamadas entre agentes y clientes. Por ejemplo, los clientes estarán más satisfechos con su experiencia si los chatbots omnicanal son eficientes, precisos y están disponibles en cualquier momento. De esta manera, los agentes humanos pueden gestionar problemas más complejos por teléfono en lugar de atender cada llamada que llega.
“Deberíamos invertir en tecnología para estar preparados para los cuellos de botella. Un robot de IA y/o un motor de búsqueda basado en IA para manejar una sobrecarga de consultas (o prevenirla en primer lugar)», dijo Solomon. “Además, ahora hay disponibles sofisticadas herramientas de capacitación de IA en tiempo real que pueden convertir a un generalista agente en un ‘especialista temporal’ sobre la marcha cuando todos sus especialistas reales estén ocupados».
También recomienda usar IA para obtener un aviso anticipado (o al menos más rápido) de los problemas pendientes que pueden afectar a su equipo si está utilizando tecnología que busca menciones en las redes sociales las 24 horas del día. Como resultado, esto aumentará su puntuación de satisfacción del cliente porque evitará problemas futuros.
“En el mundo físico, un uso innovador de la tecnología para eliminar un cuello de botella es la reciente implementación de la tecnología Amazon Go para verificar previamente las identificaciones de los fanáticos (para verificar la edad) en el Coors Stadium de Denver y así minimizar las filas una vez que esos fanáticos comienzan a hacer fila. para tomar una copa”, dijo Solomon. Este es un ejemplo del uso de la IA generativa como medida preventiva para mantener satisfechos a los clientes.
Conclusión: la IA generativa mejora las métricas generales de la experiencia del cliente
El uso de IA para realizar mejoras mínimas en la experiencia del cliente afectará la forma en que los consumidores ven su marca, incluso si el cliente no los señala directamente. Será más probable que un cliente recomiende su producto o servicio si su experiencia es fluida y optimizada de manera sutil pero constante. Es probable que reducir el tiempo que pasan en espera, aunque sólo sea un minuto, afecte al cliente si otros pequeños aspectos de su experiencia también mejoran marginalmente.
El lamento de “si tuviera más tiempo, lo habría hecho de otra manera” puede eliminarse rápidamente gracias a la tecnología de inteligencia artificial. Los líderes de servicio al cliente pueden utilizar métricas de aprendizaje automático y los beneficios de herramientas como ChatGPT y otras no solo para aumentar NPS, CES y CSAT, sino también para mejorar su CX en general.
Descubra cómo puede unirse a nuestra comunidad de colaboradores.
![El 96,55% del contenido no recibe tráfico de Google. Así es como estar en el otro 3,45% [New Research for 2023]](https://s3.us-west-1.amazonaws.com/esdelatino.com/wp-content/uploads/2023/12/01162401/El-9655-del-contenido-no-recibe-trafico-de-Google-Asi-360x180.png)
